用python制作游戲外掛
玩過(guò)電腦游戲的同學(xué)對(duì)于外掛肯定不陌生,但是你在用外掛的時(shí)候有沒(méi)有想過(guò)如何做一個(gè)外掛呢?(當(dāng)然用外掛不是那么道義哈,呵呵),那我們就來(lái)看一下如何用python來(lái)制作一個(gè)外掛。。。。
我打開(kāi)了4399小游戲網(wǎng),點(diǎn)開(kāi)了一個(gè)不知名的游戲,唔,做壽司的,有材料在一邊,客人過(guò)來(lái)后說(shuō)出他們的要求,你按照菜單做好端給他便好~ 為啥這么有難度?8種菜單記不清,點(diǎn)點(diǎn)就點(diǎn)錯(cuò),鼠標(biāo)還不好使肌肉勞損啥的傷不起啊……
首先要聲明,這里的游戲外掛的概念,和那些大型網(wǎng)游里的外掛可不同,不能自動(dòng)打怪,不能喝藥不能躲避GM…… 那做這個(gè)外掛有啥用?問(wèn)的好,沒(méi)用,除了可以浪費(fèi)你一點(diǎn)時(shí)間,提高一下編程技術(shù),增加一點(diǎn)點(diǎn)點(diǎn)點(diǎn)點(diǎn)點(diǎn)的做外掛的基礎(chǔ)以外,毫無(wú)用處,如果您是以制作一個(gè)驚天地泣鬼神不開(kāi)則已一開(kāi)立刻超神的外掛為目標(biāo)過(guò)來(lái)的話,恐怕要讓您失望了,請(qǐng)及早繞道。我的目的很簡(jiǎn)單,就是自動(dòng)玩這款小游戲而已。
工具的準(zhǔn)備
需要安裝autopy和PIL以及pywin32包。autopy是一個(gè)自動(dòng)化操作的python庫(kù),可以模擬一些鼠標(biāo)、鍵盤事件,還能對(duì)屏幕進(jìn)行訪問(wèn),本來(lái)我想用win32api來(lái)模擬輸入事件的,發(fā)現(xiàn)這個(gè)用起來(lái)比較簡(jiǎn)單,最厲害的是它是跨平臺(tái)的,請(qǐng)搜索安裝;而PIL那是大名鼎鼎了,Python圖像處理的No.1,下面會(huì)說(shuō)明用它來(lái)做什么;pywin32其實(shí)不是必須的,但是為了方便(鼠標(biāo)它在自己動(dòng)著呢,如何結(jié)束它呢),還是建議安裝一下,哦對(duì)了,我是在win平臺(tái)上做的,外掛大概只有windows用戶需要吧?
截屏和圖像處理工具
截屏是獲取游戲圖像以供分析游戲提示,其實(shí)沒(méi)有專門的工具直接Print Screen粘貼到圖像處理工具里也可以。我用的是PicPick,相當(dāng)好用,而且個(gè)人用戶是免費(fèi)的;而圖像處理則是為了獲取各種信息的,我們要用它得到點(diǎn)菜圖像后保存起來(lái),供外掛分析判斷。我用的是PhotoShop… 不要告訴Adobe,其實(shí)PicPick中自帶的圖像編輯器也足夠了,只要能查看圖像坐標(biāo)和剪貼圖片就好餓了,只不過(guò)我習(xí)慣PS了~
編輯器
這個(gè)我就不用說(shuō)了吧,寫代碼得要個(gè)編輯器??!俺用VIM,您若愿意用寫字板也可以……
原理分析
外掛的歷史啥的我不想說(shuō)啦,有興趣請(qǐng)谷歌或度娘(注:非技術(shù)問(wèn)題盡可以百度)。
看這個(gè)游戲,有8種菜,每種菜都有固定的做法,顧客一旦坐下來(lái),頭頂上就會(huì)有一個(gè)圖片,看圖片就知道他想要點(diǎn)什么菜,點(diǎn)擊左邊原料區(qū)域,然后點(diǎn)擊一下……不知道叫什么,像個(gè)竹簡(jiǎn)一樣的東西,菜就做完了,然后把做好的食物拖拽到客戶面前就好了。
顧客頭上顯示圖片的位置是固定的,總共也只有四個(gè)位置,我們可以逐一分析,而原料的位置也是固定的,每種菜的做法更是清清楚楚,這樣一來(lái)我們完全可以判斷,程序可以很好的幫我們做出一份一份的佳肴并奉上,于是錢滾滾的來(lái):)
autopy介紹
github上有一篇很不錯(cuò)的入門文章,雖然是英文但是很簡(jiǎn)單,不過(guò)我還是摘幾個(gè)這次用得到的說(shuō)明一下,以顯示我很勤勞。
移動(dòng)鼠標(biāo)
import autopy autopy.mouse.move(100, 100) # 移動(dòng)鼠標(biāo) autopy.mouse.smooth_move(400, 400) # 平滑移動(dòng)鼠標(biāo)(上面那個(gè)是瞬間的)
這個(gè)命令會(huì)讓鼠標(biāo)迅速移動(dòng)到指定屏幕坐標(biāo),你知道什么是屏幕坐標(biāo)的吧,左上角是(0,0),然后向右向下遞增,所以1024×768屏幕的右下角坐標(biāo)是……你猜對(duì)了,是(1023,767)。
不過(guò)有些不幸的,如果你實(shí)際用一下這個(gè)命令,然后用autopy.mouse.get_pos()獲得一下當(dāng)前坐標(biāo),發(fā)現(xiàn)它并不在(100,100)上,而是更小一些,比如我的機(jī)器上是(97,99),和分辨率有關(guān)。這個(gè)移動(dòng)是用戶了和windows中mouse_event函數(shù),若不清楚api的,知道這回事就好了,就是這個(gè)坐標(biāo)不是很精確的。像我一樣很好奇的,可以去讀一下autopy的源碼,我發(fā)現(xiàn)他計(jì)算絕對(duì)坐標(biāo)算法有問(wèn)題:
point.x *= 0xFFFF / GetSystemMetrics(SM_CXSCREEN);
這里先做除法再做乘法,學(xué)過(guò)一點(diǎn)計(jì)算方法的就應(yīng)該知道對(duì)于整數(shù)運(yùn)算,應(yīng)該先乘再除的,否則就會(huì)產(chǎn)生比較大的誤差,如果他寫成:
point.x = point.x * 0xffff / GetSystemMetrics(SM_CXSCREEN);
就會(huì)準(zhǔn)多了,雖然理論上會(huì)慢一點(diǎn)點(diǎn),不過(guò)我也懶得改代碼重新編譯了,差幾個(gè)像素,這里對(duì)我們影響不大~咱要吸取教訓(xùn)呀。
點(diǎn)擊鼠標(biāo)
#引入autopy模塊 # *** import autopy autopy.mouse.click() # 單擊 autopy.mouse.toggle(True) # 按下左鍵 autopy.mouse.toggle(False) # 松開(kāi)左鍵
這個(gè)比較簡(jiǎn)單,不過(guò)記得這里的操作都是非常非常快的,有可能游戲還沒(méi)反應(yīng)過(guò)來(lái)呢,你就完成了,于是失敗了…… 所以必要的時(shí)候,請(qǐng)sleep一小會(huì)兒。
鍵盤操作
我們這次沒(méi)用到鍵盤,所以我就不說(shuō)了。
怎么做?分析顧客頭上的圖像就可以,來(lái),從獲取圖像開(kāi)始吧~
打開(kāi)你鐘愛(ài)的圖像編輯器,開(kāi)始丈量吧~ 我們得知道圖像在屏幕的具體位置,可以用標(biāo)尺量出來(lái),本來(lái)直接量也是可以的,但是我這里使用了畫面左上角的位置(也就是點(diǎn)1)來(lái)當(dāng)做參考位置,這樣一旦畫面有變動(dòng),我們只需要修改一個(gè)點(diǎn)坐標(biāo)就好了,否則每一個(gè)點(diǎn)都需要重新寫一遍可不是一件快樂(lè)的事情。
看最左邊的顧客頭像上面的圖像,我們需要兩個(gè)點(diǎn)才可確定這個(gè)范圍,分別是圖像的左上角和右下角,也就是點(diǎn)2和點(diǎn)3,。后面還有三個(gè)顧客的位置,只需要簡(jiǎn)單的加上一個(gè)增量就好了,for循環(huán)就是為此而生!
同樣的,我們?cè)系奈恢?,“竹席”的位置等等,都可以用這種方法獲得。注意獲得的都是相對(duì)游戲畫面左上角的相對(duì)位置。至于抓圖的方法,PIL的ImageGrab就很好用,autopy也可以抓圖,為什么不用,我下面就會(huì)說(shuō)到。
分析圖像
我們這個(gè)外掛里相當(dāng)有難度的一個(gè)問(wèn)題出現(xiàn)了,如何知道我們獲得的圖像到底是哪一個(gè)菜?對(duì)人眼……甚至狗眼來(lái)說(shuō),這都是一個(gè)相當(dāng)easy的問(wèn)題,“一看就知道”!對(duì)的,這就是人比機(jī)器高明的地方,我們做起來(lái)很簡(jiǎn)單的事情,電腦卻傻傻分不清楚。
autopy圖像局限
如果你看過(guò)autopy的api,會(huì)發(fā)現(xiàn)它有一個(gè)bitmap包,里面有find_bitmap方法,就是在一個(gè)大圖像里尋找樣品小圖像的。聰明的你一定可以想到,我們可以截下整個(gè)游戲畫面,然后準(zhǔn)備所有的菜的小圖像用這個(gè)方法一找就明白哪個(gè)菜被叫到了。確實(shí),一開(kāi)始我也有這樣做的沖動(dòng),不過(guò)立刻就放棄了……這個(gè)方法查找圖像,速度先不說(shuō),它有個(gè)條件是“精確匹配”,圖像上有一個(gè)像素的RGB值差了1,它就查不出來(lái)了。我們知道flash是矢量繪圖,它把一個(gè)點(diǎn)陣圖片顯示在屏幕上是經(jīng)過(guò)了縮放的,這里變數(shù)就很大,理論上相同的輸入相同的算法得出的結(jié)果肯定是一致的,但是因?yàn)槔L圖背景等的關(guān)系,總會(huì)有一點(diǎn)點(diǎn)的差距,就是這點(diǎn)差距使得這個(gè)美妙的函數(shù)不可使用了……
好吧,不能用也是好事,否則我怎么引出我們高明的圖像分析算法呢?
相似圖像查找原理
相信你一定用過(guò)Google的“按圖搜圖”功能,如果沒(méi)有,你就落伍啦,快去試試!當(dāng)你輸入一張圖片時(shí),它會(huì)把與這張圖相似的圖像都給你呈現(xiàn)出來(lái),所以當(dāng)你找到一張中意的圖想做壁紙又覺(jué)得太小的時(shí)候,基本可以用這個(gè)方法找到合適的~
我們就要利用和這個(gè)相似的原理來(lái)判斷用戶的點(diǎn)餐,當(dāng)然我們的算法不可能和Google那般復(fù)雜,知乎上有一篇很不錯(cuò)的文章描述了這個(gè)問(wèn)題,有興趣的可以看看,我直接給出實(shí)現(xiàn):
def get_hash(self, img):
#使用PIL模塊縮放圖片,***
image = img.resize((18, 13), Image.ANTIALIAS).convert("L")
pixels = list(image.getdata())
avg = sum(pixels) / len(pixels)
return "".join(map(lambda p : "1" if p > avg else "0", pixels))
因?yàn)檫@是類的一個(gè)方法,所以有個(gè)self參數(shù),無(wú)視它。這里的img應(yīng)該傳入一個(gè)Image對(duì)象,可以使讀入圖像文件后的結(jié)果,也可以是截屏后的結(jié)果。而縮放的尺寸(18,13)是我根據(jù)實(shí)際情況定的,因?yàn)轭櫩皖^像上的菜的圖像基本就是這個(gè)比例。事實(shí)證明這個(gè)比例還是挺重要的,因?yàn)槲覀兊牟擞悬c(diǎn)兒相似,如果比例不合適壓縮后就失真了,容易誤判(我之前就吃虧了)。
得到一個(gè)圖片的“指紋”后,我們就可以與標(biāo)準(zhǔn)的圖片指紋比較,怎么比較呢,應(yīng)該使用“漢明距離”,也就是兩個(gè)字符串對(duì)應(yīng)位置的不同字符的個(gè)數(shù)。實(shí)現(xiàn)也很簡(jiǎn)單……
def hamming_dist(self, hash1, hash2): return sum(itertools.imap(operator.ne, hash1, hash2))
好了,我們可以用準(zhǔn)備好的標(biāo)準(zhǔn)圖像,然后預(yù)先讀取計(jì)算特征碼存儲(chǔ)起來(lái),然后再截圖與它們比較就好了,距離最小的那個(gè)就是對(duì)應(yīng)的菜,代碼如下:
def order(self, i):
l, t = self.left + i * self.step, self.top
r, b = l + self.width, t + self.height
hash2 = self.get_hash(ImageGrab.grab((l, t, r, b)))
(mi, dist) = None, 50
for i, hash1 in enumerate(self.maps):
if hash1 is None:
continue
this_dist = self.hamming_dist(hash1, hash2)
if this_dist < dist:
mi = i
dist = this_dist
return mi
這里有一個(gè)50的初始距離,如果截取圖像與任何菜單相比都大于50,說(shuō)明什么?說(shuō)明現(xiàn)在那個(gè)位置的圖像不是菜,也就是說(shuō)顧客還沒(méi)坐那位置上呢,或者我們把游戲最小化了(老板來(lái)了),這樣處理很重要,免得它隨意找一個(gè)最相近但又完全不搭邊的菜進(jìn)行處理。
自動(dòng)做菜
這個(gè)問(wèn)題很簡(jiǎn)單,我們只需要把菜單的原料記錄在案,然后點(diǎn)擊相應(yīng)位置便可,我把它寫成了一個(gè)類來(lái)調(diào)用:
class Menu:
def __init__(self):
self.stuff_pos = []
self.recipes = [None] * 8
self.init_stuff()
self.init_recipe()
def init_stuff(self):
for i in range(9):
self.stuff_pos.append( (L + 102 + (i % 3) * 42, T + 303 + (i / 3) * 42) )
def init_recipe(self):
self.recipes[0] = (1, 2)
self.recipes[1] = (0, 1, 2)
self.recipes[2] = (5, 1, 2)
self.recipes[3] = (3, 0, 1, 2)
self.recipes[4] = (4, 1, 2)
self.recipes[5] = (7, 1, 2)
self.recipes[6] = (6, 1, 2)
self.recipes[7] = (8, 1, 2)
def click(self, i):
autopy.mouse.move(self.stuff_pos[i][0] + 20, self.stuff_pos[i][1] + 20)
autopy.mouse.click()
def make(self, i):
for x in self.recipes[i]:
self.click(x)
autopy.mouse.move(L + 315, T + 363)
autopy.mouse.click()
這是本外掛中最沒(méi)技術(shù)含量的一個(gè)類了:)請(qǐng)?jiān)徫覜](méi)有寫注釋和doc,因?yàn)槎己芎?jiǎn)單,相信你懂得。
相關(guān)文章
Python爬蟲實(shí)戰(zhàn)之虎牙視頻爬取附源碼
讀萬(wàn)卷書不如行萬(wàn)里路,學(xué)的扎不扎實(shí)要通過(guò)實(shí)戰(zhàn)才能看出來(lái),本篇文章手把手帶你爬取虎牙短視頻數(shù)據(jù),大家可以在實(shí)戰(zhàn)過(guò)程中查缺補(bǔ)漏,加深學(xué)習(xí)2021-10-10
如何用Python提取10000份log中的產(chǎn)品信息
這篇文章主要介紹了如何用Python提取10000份log中的產(chǎn)品信息,幫助大家更好的理解和使用python,感興趣的朋友可以了解下2021-01-01
Python操作SQLite數(shù)據(jù)庫(kù)的方法詳解
這篇文章主要介紹了Python操作SQLite數(shù)據(jù)庫(kù)的方法,較為詳細(xì)的分析了Python安裝sqlite數(shù)據(jù)庫(kù)模塊及針對(duì)sqlite數(shù)據(jù)庫(kù)的常用操作技巧,需要的朋友可以參考下2017-06-06
Numpy數(shù)組array和矩陣matrix轉(zhuǎn)換方法
這篇文章主要介紹了Numpy數(shù)組array和矩陣matrix轉(zhuǎn)換方法,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-08-08
Python中類方法@classmethod和靜態(tài)方法@staticmethod解析
這篇文章主要介紹了Python中類方法@classmethod和靜態(tài)方法@staticmethod解析,python中存在三種方法,分別為常規(guī)方法(定義中傳入self)、@classmethod修飾的類方法、@staticmethod修飾的靜態(tài)方法,,需要的朋友可以參考下2023-08-08
TensorFlow安裝及jupyter notebook配置方法
下面小編就為大家?guī)?lái)一篇TensorFlow安裝及jupyter notebook配置方法。小編覺(jué)得挺不錯(cuò)的,現(xiàn)在就分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2017-09-09
利用Python開(kāi)發(fā)一個(gè)自動(dòng)答題程序
這篇文章主要為大家詳細(xì)介紹了如何利用Python開(kāi)發(fā)一個(gè)自動(dòng)答題程序,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以跟隨小編一起了解一下2023-02-02

