聲明：本文來自於微信公眾號 AI科技大本營(ID：rgznai100)，作者：李秋鍵，授權站長之家轉載發布。
引言
如果談到這幾年手機上各平臺最常見的引流福利，必然是答題贏大獎系列小遊戲了。像什麼頭號英雄，百萬玩家之類的，充斥在我們生活中，同時也成為了我們生活中常見的娛樂方式。
但是有時候就會想，能不能實現手機自動答題呢，畢竟網絡上是充斥著很多問題的答案，自己手動搜題速度顯然來不及。答案是當然可以，今天我們就來用手機連接電腦，讓電腦自動搜索答案，省時省力省心。
這一項目中主要用到了文字識別和瀏覽器操作，其中文字識別是利用計算機自動識別字符的技術，是模式識別應用的一個重要領域。
人們在生產和生活中，要處理大量的文字、報表和文本。為了減輕人們的勞動，提高處理效率，50年代開始探討一般文字識別方法，並研製出光學字符識別器。60年代出現了採用磁性墨水和特殊字體的實用機器。
60年代後期，出現了多種字體和手寫體文字識別機，其識別精度和機器性能都基本上能滿足要求。如用於信函分揀的手寫體數字識別機和印刷體英文數字識別機。70年代主要研究文字識別的基本理論和研製高性能的文字識別機，並著重於漢字識別的研究。
基於一些基礎認識，下面我們先來思考下，實現這一項目的整體思路：
做這一項目首先會存在以下疑問：
1、 我們要讓手機連接電腦，但是怎麼讓電腦自動控制手機呢
2、 手機上是顯示文字的，但是怎麼讓電腦看懂你手機上的文字呢
3、 電腦知道了問題後如何藉助網絡搜答案呢?
針對上面的問題，我們大概想了下思路：
1、 讓電腦能夠控制手機，一般都是利用usb把手機連接到電腦上。然後藉助ADB實現對手機的調控，包括點觸、滑動、截圖等等功能。
2、 讓電腦能夠看懂文字，必然需要對手機屏幕截圖，然後對截圖中的文字識別即可
3、 讓電腦操控瀏覽器搜題，用python的庫即可實現
了解了整體思路後，下面開始我們的實驗。
實驗前的準備
首先我們使用的python版本是3.6. 5 所用到的庫有os，Python 中os模塊包含普遍的作業系統功能。
如果你希望你的程序能夠與平臺無關的話，這個模塊是尤為重要的;pillow庫中Image模塊是在Python PIL圖像處理中常見的模塊，對圖像進行基礎操作的功能基本都包含於此模塊內;Pytesseract模塊是文字識別模塊;webbrowser是實現瀏覽器的操作;time庫實現等待下一題之間的間隔時間等待。
自動獲取手機文字
1、利用ADB控制手機：
ADB是安卓手機常見的調控插件，我們需要將手機數據線和電腦連接，然後藉助adb實現對手機的截屏並保存在指定路徑。Adb控制指令如下：
截取屏幕，圖片命名為screen.png ：
os.system("adb shell /system/bin/screencap -p /sdcard/screen.png") #截取屏幕，圖片命名為screen.png
將截圖保存到電腦，路徑為：C：/Users/jia/Desktop
os.system("adb pull /sdcard/screen.png C：/Users/jia/Desktop") #將截圖保存到電腦在桌面
模擬點擊屏幕，x y分別為點擊處的像素
os.system("adb shell input tap {}{}".format(x，y))#x ，y為點擊處的像素點
詳細代碼如下：
#adb手機截圖def get_image()：os.system('adb shell screencap -p /sdcard/image.png')os.system('adb pull /sdcard/image.png .')xigua_size = (150，530，1800，800)
2、對圖片文字識別：
文字識別部分為了方便快速，我們直接使用pytesseract文字識別即可。其中主要用的函數是pytesseract.image_to_strin。
pytesser裡包含了tesseract.exe和英語的數據包(默認只識別英文)，還有一些示例圖片，所以解壓縮後即可使用。
同時模塊需要PIL庫的支持。
如何識別率低的問題?
可以增強圖片的顯示效果，或者將其轉換為黑白的，這樣可以使其識別率提升不少。
識別其他語言?
tesseract是一個命令行下運行的程序，參數如下：
tesseract imagename outbase [-l lang] [-psm N] [configfile...]
imagename是輸入的image的名字，outbase是輸出的文本的名字，默認為outbase.txt ，-l lang 是定義要識別的的語言，默認為英文。
詳細代碼如下：
#讀取圖像get_image()img=Image.open('image.png')img_que = img.crop(xigua_size)#識別截圖文字question=pytesseract.image_to_string(img_que，lang='chi_sim')
獲取文字後，對文字做一些處理，去除沒必要的信息。
question=question.replace(' '，'').replace('\n'，'')que = question[question.find('.')+1： question.find('?')]
自動搜題的實現
1、瀏覽器操作：
在識別問題的基礎上，我們通過webbrowser打開瀏覽器，並操作瀏覽器搜索答案。
其中主要用到的方法如下：
webbrowser.open(url[， new=0[， autoraise=1]])
這個方法是在默認的瀏覽器中顯示url， 如果new = 0， 那麼url會在同一個瀏覽器窗口下打開，如果new = 1， 會打開一個新的窗口，如果new = 2， 會打開一個新的tab， 如果autoraise = true， 窗口會自動增長。
webbrowser.open_new(url)
在默認瀏覽器中打開一個新的窗口來顯示url， 否則，在僅有的瀏覽器窗口中打開url。
webbrowser.open_new_tab(url)
在默認瀏覽器中當開一個新的tab來顯示url， 否則跟open_new()一樣、
webbrowser.get([name])
根據name返回一個瀏覽器對象，如果name為空，則返回默認的瀏覽器
webbrowser.register(name， construtor[， instance])
註冊一個名字為name的瀏覽器，如果這個瀏覽器類型被註冊就可以用get()方法來獲取。
詳細代碼如下：
到這裡，我們整體的程序就搭建完成，下面為我們程序的運行結果：
試試用這個方法參加《百萬答題》類小遊戲，或許下一個百萬獲獎人就是你。
作者介紹：
李秋鍵，CSDN 博客專家，CSDN達人課作者。碩士在讀於中國礦業大學，開發有taptap安卓武俠遊戲一部，vip視頻解析，文意轉換工具，寫作機器人等項目，發表論文若干，多次高數競賽獲獎等等。