在我们的生活中,微信无疑是一个重要的社交工具。无论是工作还是社交,我们都离不开它。但是,随着繁忙的生活节奏,我们可能没有足够的时间去回复每一条信息。为了解决这个问题,我在这篇博客中将分享如何使用Python创建一个微信自动回复脚本。
一、前置接口
在开始之前,确保你已经安装了以下的Python库:
pyautogui:用于模拟鼠标和键盘操作进行GUI自动化;
time:提供了各种和时间有关的功能;
pyperclip:用于访问剪切板进行复制和粘贴;
cnocr:一个用于中文OCR的Python库,能提取图片中的文字;
random:生成随机数。
一、打开微信
我们首先需要打开微信。我们将使用pyautogui库中的locateCenterOnScreen函数来找到微信图标的中心位置,并点击它。
import pyautogui as pg import time google_cente = pg.locateCenterOnScreen(r"C:\Users\du'xiao'nan\Pictures\2024\weixin.png", confidence=0.8) pg.click(x=google_cente.x, y=google_cente.y, clicks=2) time.sleep(2)
二、监听微信信息
我们现在需要让我们的脚本循环监听是否有新消息。再次使用pg.locateCenterOnScreen来找到包含新消息的红点的中心位置。
img_red = r"C:\Users\du'xiao'nan\Pictures\2024\weixinhongdian.png" red_hot = pg.locateCenterOnScreen(img_red, confidence=0.6, region=(500,100,340,1250)) pg.click(x=red_hot.x, y=red_hot.y, clicks=1)
三、截取聊天区域并提取关键字
我们已经在对话中了,接下来需要抓取最新的消息。使用pg.screenshot切割聊天区域并保存图像,然后使用cnocr库从图像中读取文字。
from cnocr import CnOcr pg.screenshot(r"E:\tupian\a.webp",region=(828,90,2150,1150)) ocr = CnOcr() out = ocr.ocr(r"E:\tupian\a.webp") arr = out[-1]['text'] print(arr)
四、根据关键字自动回复
最后,我们根据收到的文字回复。我们有一个预定的关键字及其相应的回复。我们只需匹配这些关键字并自动发送相应的回复。
import pyperclip as pc import random key_list = ["在干嘛", "吃了没", "可以和你说件事吗"] reply_list = ["忙着呢", "吃过了", "有点忙"] random_list = ["嗯嗯", "有道理", "说得对"] if arr in key_list: reply_index = key_list.index(arr) pc.copy(reply_list[reply_index]) else: pc.copy(random.choice(random_list)) pg.hotkey('ctrl', 'v',interval=0.2) pg.press('enter')
以上,就是一个简单的微信自动回复脚本的Python实现。
五、基础版
在了解完微信自动回复的基本思路后,接下来我们将完整的将代码敲下来
首先,通过定位微信的图标并模拟鼠标点击操作打开微信。
然后,监测微信消息区域,如果有新的消息,即微信红点出现,就会点击打开。
对微信聊天区域截图,应用OCR技术提取消息中的关键词。
最后,根据关键词确定回复内容。这里有一个预设的回复列表,如果收到的信息中包含某个关键词,就会自动回复对应的内容。
#微信自动回复 # 1.将微信展开 # 2.在微信信息区行走,有人发信息,自动回复 # 3.将微信聊天区域截图,提取关键字 # 4.根据关键字,自动回复 import pyautogui as pg import time import pyperclip as pc from cnocr import CnOcr import random # 1.将微信展开 google_cente=pg.locateCenterOnScreen(r"C:\Users\du'xiao'nan\Pictures\2024\weixin.png",confidence=0.8) pg.click(x=google_cente.x,y=google_cente.y,clicks=2) time.sleep(2) #2.在微信信息区行走,有人发信息,自动回复 img_red=r"C:\Users\du'xiao'nan\Pictures\2024\weixinhongdian.png" red_het=pg.locateCenterOnScreen(img_red,confidence=0.6,region=(500,100,340,1250)) pg.click(x=red_het.x,y=red_het.y,clicks=1) #3.将微信聊天区域截图,提取关键字 time.sleep(2) pg.screenshot(r"E:\tupian\a.webp",region=(828,90,2150,1150)) #将Cnocr实例化 ocr=CnOcr() out = ocr.ocr(r"E:\tupian\a.webp") arr=out[-1]['text'] print(arr) #基础版 #4.根据关键字,自动回复 pg.click(x=1099,y=1257,clicks=1) if arr=='你好': pc.copy('你好,我是小南') pg.hotkey('ctrl','v',interval=0.2) pg.press('enter') elif arr=='天气': pc.copy('今天天气晴朗') pg.hotkey('ctrl', 'v',interval=0.2) pg.press('enter') elif arr=='时间': pc.copy(time.strftime('%Y-%m-%d %H:%M:%S',time.localtime())) pg.hotkey('ctrl', 'v',interval=0.2) pg.press('enter') elif arr=='随机数': pc.copy(str(random.randint(1,100))) pg.hotkey('ctrl', 'v',interval=0.2) pg.press('enter') elif arr=='退出': pc.copy('再见') pg.hotkey('ctrl', 'v',interval=0.2) pg.press('enter') elif arr=='Ai': pc.copy('不,我是小南') pg.hotkey('ctrl', 'v', interval=0.2) pg.press('enter') else: pc.copy('我听不懂你在说什么') pg.hotkey('ctrl', 'v', interval=0.2) pg.press('enter') time.sleep(2)
六、完整版
完整版的代码增加了一些功能和细节方面的优化。
与基础版一样,先打开微信并监测消息区域。
当检测到新信息时,也会进行截图并提取关键词。
在判断回复内容时,新增了一个关键词回复列表,可以根据接收到的信息中的不同关键词,回复不同的内容。另外,如果接收到的信息中包含的不是关键词,程序会从一个预设的随机回复列表中随机选择一条回复。
把输入回复的操作封装成了函数,增强了代码的可读性和可维护性。
加入了异常处理和计时器,如果一段时间内没有新消息,程序会输出"目前没有新消息,5秒后会再次监测",然后等待5秒后再次检测,这样可以减少不必要的循环,提高程序的效率。
#完整版 key_list = ["在干嘛", "吃了没", "可以和你说件事吗"] # 关键字回复列表 0 1 2 reply_list = ["忙着呢", "吃过了", "有点忙"] # 非关键字的回复列表 # 随机选取 random_list = ["嗯嗯", "有道理", "说得对"] def center_click(img_path, clicks, region=[]): """ 功能: 1. 对目标图片进行识别,返回中心值 2. 接收上一步中心值,对目标中心点点击 """ chat_center = pg.locateCenterOnScreen(img_path, confidence=0.8, region=region) pg.click(x=chat_center.x, y=chat_center.y, clicks=clicks, duration=1) def screen_ocr(): """ 功能: 1. 微信聊天区进行截图 2. 将微信聊天区截图的文字提取出来 返回值: 1. text:识别出来的我们要回复的文字 """ img_screen = "chatScreen.png" pg.screenshot(img_screen, region=[828,90,2150,1150]) # 将Cnocr实例化 ocr = CnOcr() out = ocr.ocr(img_screen) # print(out[-1]['text']) [{},{},{}] # 0 1 2(-1) # 字典名[键名] # text = out[-1]['text'] # 如果识别效果好 all_text = [i["text"] for i in out if i["score"] > 0.4] # 识别效果不好,筛选 # all_text = [] # for i in out: # if i["score"]>0.4: # all_text.append(i["text"]) text = all_text[-1] print(text) return text def has_key(): """ 功能:1. 比对识别出来的文字是否是关键字 返回值:Int数据,如果返回的是-1,代表识别出来的文字不是关键字 如果返回是其他的整数,代表是关键字 """ for index, item in enumerate(key_list): if re_text == item: return index else: return -1 def relpy_fun(): # 不是关键字 if re_index == -1: # 回复的内容 random_text = random.choice(random_list) pc.copy(random_text) # ctrl+c pg.hotkey("ctrl", "v") pg.press("enter") else: # 是关键字 random_text = reply_list[re_index] pc.copy(random_text) # ctrl+c pg.hotkey("ctrl", "v") pg.press("enter") # 1. 将微信展开 img_chat = "weChat.png" center_click(img_path=img_chat, clicks=2) # 确保微信完全打开 time.sleep(2) # 5. 会监测微信消息区,有新消息的话就去执行上述2-4 while True: try: # 2. 在微信消息区进行监测,有人发消息,我们就点开 img_red = "redClick.png" center_click(img_path=img_red, clicks=1, region=[500,100,340,1250]) # 3. 将微信聊天区截图,提取文字 re_text = screen_ocr() # 4. 判断提取文字是否是关键字,是的话回复a 不是就回复b # 4.1判断提取文字是否是关键字 re_index = has_key() # 4.2对识别出来的文字进行回复 relpy_fun() except: print("目前没有新消息,5秒后会再次监测") time.sleep(5)