PyAutoGUI 使用详解

news/2024/7/7 19:11:58 标签: python, 测试工具

文章目录

    • 简介
    • PyAutoGUI 的原理
    • 安装 PyAutoGUI
    • 基本使用示例
      • 鼠标控制
      • 键盘控制
      • 截屏
      • 图像识别
      • 消息框
    • 高级功能
      • 防止误操作
      • 多屏幕支持
      • 鼠标平滑移动
    • 结论

简介

PyAutoGUI 是一个用于自动化控制鼠标和键盘的 Python 库。它可以帮助开发者编写脚本,以模拟用户在计算机上的操作,适用于自动化任务、测试和游戏辅助等场景。

官网链接:PyAutoGUI Documentation

PyAutoGUI 的原理

PyAutoGUI 的工作原理是通过操作系统提供的 API 来模拟用户的鼠标和键盘输入。它支持跨平台操作,包括 Windows、macOS 和 Linux。PyAutoGUI 提供了许多方便的函数,可以用来移动鼠标、点击、拖拽、键盘输入、截屏等。

安装 PyAutoGUI

使用 pip 可以轻松安装 PyAutoGUI:

pip install pyautogui

此外,某些功能(如截屏和图像识别)需要额外的依赖库,可以通过以下命令安装:

pip install pillow opencv-python

基本使用示例

以下是一些常见的 PyAutoGUI 用法示例:

鼠标控制

python">import pyautogui

# 移动鼠标到屏幕坐标 (100, 200)
pyautogui.moveTo(100, 200)

# 从当前位置移动鼠标,相对移动 (x, y)
pyautogui.moveRel(50, 50)

# 点击鼠标左键
pyautogui.click()

# 双击鼠标左键
pyautogui.doubleClick()

# 右键点击
pyautogui.rightClick()

# 拖拽鼠标
pyautogui.dragTo(300, 400, duration=2)  # 拖动到 (300, 400) 位置,持续2秒

键盘控制

python"># 输入文本
pyautogui.write('Hello, World!')

# 按下并释放按键
pyautogui.press('enter')

# 组合按键
pyautogui.hotkey('ctrl', 'c')  # 模拟 Ctrl+C 组合键

截屏

python"># 截取整个屏幕
screenshot = pyautogui.screenshot()
screenshot.save('screenshot.png')

# 截取特定区域
region_screenshot = pyautogui.screenshot(region=(0, 0, 300, 400))
region_screenshot.save('region_screenshot.png')

图像识别

python"># 查找屏幕上的图像
location = pyautogui.locateOnScreen('button.png')
if location:
    pyautogui.click(location)

消息框

python"># 显示消息框
pyautogui.alert('This is an alert box.')

# 输入框
user_input = pyautogui.prompt('Enter your name:')
print(f'User entered: {user_input}')

高级功能

防止误操作

为了防止脚本失控,PyAutoGUI 提供了一些安全功能:

  • failsafe:默认情况下,如果鼠标移动到屏幕左上角,PyAutoGUI 操作会立即停止。
  • pause:在每个 PyAutoGUI 函数调用后自动暂停一段时间,默认值为 0.1 秒。
python">pyautogui.FAILSAFE = True
pyautogui.PAUSE = 1  # 每个操作后暂停 1 秒

多屏幕支持

PyAutoGUI 支持多屏幕,可以获取所有屏幕的尺寸:

python">screens = pyautogui.screenshot().size()
print(screens)

鼠标平滑移动

使用 moveTomoveRel 函数的 duration 参数,可以让鼠标平滑移动到目标位置:

python">pyautogui.moveTo(500, 500, duration=2)  # 在2秒内平滑移动到 (500, 500)

结论

PyAutoGUI 是一个强大且易于使用的库,适用于各种自动化任务。无论是简单的鼠标和键盘操作,还是复杂的图像识别和脚本编写,PyAutoGUI 都能提供灵活的解决方案。通过学习和掌握 PyAutoGUI,可以大大提高工作效率和自动化程度。

更多详细信息和高级用法,请参阅 PyAutoGUI 官方文档。


http://www.niftyadmin.cn/n/5534962.html

相关文章

Teamviewer删除可信任设备

目前基本上主流的远程连接软件都有限制,要么收费; Teamviewer可信任设备有限,超出限制就会提示错误,需要删除多余的设备才能登陆账号! 需要登陆这个网站 Teamviewer Management console,才能修改&#xff…

YOLOv10全网最新创新点改进系列:融合GSConv+Slim Neck,双改进、双增强,替换特征融合层实现, 轻量化涨点改进策略,有效涨点神器!

YOLOv10全网最新创新点改进系列:融合GSConvSlim Neck,双改进、双增强,替换特征融合层实现, 轻量化涨点改进策略,有效涨点神器! 所有改进代码均经过实验测试跑通!截止发稿时YOLOv10已改进40&…

[leetcode]max-consecutive-ones 最大连续1的个数

. - 力扣&#xff08;LeetCode&#xff09; class Solution { public:int findMaxConsecutiveOnes(vector<int>& nums) {int maxCount 0, count 0;int n nums.size();for (int i 0; i < n; i) {if (nums[i] 1) {count;maxCount max(maxCount, count);} else…

llama-3 本地化部署实验

国产大模型的API 有限&#xff0c;编写langchain 应用问题很多。使用openai 总是遇到网络问题&#xff0c;尝试使用ollama在本地运行llama-3。结果异常简单。效果不错。llama-3 的推理能力感觉比openai 的GPT-3.5 好。 Ollama 下载 官网&#xff1a;https://ollama.com/downl…

实现第一个神经网络

PyTorch 包含创建和实现神经网络的特殊功能。在本节实验中&#xff0c;将创建一个简单的神经网络&#xff0c;其中一个隐藏层开发一个输出单元。 通过以下步骤使用 PyTorch 实现第一个神经网络。 第1步 首先&#xff0c;需要使用以下命令导入 PyTorch 库。 In [1]: import…

8.ApplicationContext常见实现

ClassPathXmlApplicationContext 基于classpath下xml格式的配置文件来创建 <?xml version"1.0" encoding"UTF-8"?> <beans xmlns"http://www.springframework.org/schema/beans"xmlns:xsi"http://www.w3.org/2001/XMLSchema-i…

主流 Canvas 库对比:Fabric.js、Konva.js 和 Pixi.js

在前端开发中&#xff0c;HTML5 Canvas 是一个强大的工具&#xff0c;可以用来创建图形、动画和各种视觉效果。为了简化和增强 Canvas 的使用&#xff0c;社区中出现了许多库。本文将对比三种主流的 Canvas 库&#xff1a;Fabric.js、Konva.js 和 Pixi.js&#xff0c;分析它们的…

Firefox 编译指南2024 Windows10篇- 编译Firefox(三)

1.引言 在成功获取了Firefox源码之后&#xff0c;下一步就是将这些源码编译成一个可执行的浏览器。编译是开发流程中的关键环节&#xff0c;通过编译&#xff0c;我们可以将源代码转换为可执行的程序&#xff0c;测试其功能&#xff0c;并进行必要的优化和调试。 对于像Firef…