项目实践《微信自动回复》

简介: 项目实践《微信自动回复》

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)


相关文章
|
14天前
|
移动开发 小程序 数据可视化
基于npm CLI脚手架的uniapp项目创建、运行与打包全攻略(微信小程序、H5、APP全覆盖)
基于npm CLI脚手架的uniapp项目创建、运行与打包全攻略(微信小程序、H5、APP全覆盖)
109 3
|
29天前
|
JavaScript
vue尚品汇商城项目-day06【43.微信支付业务】
vue尚品汇商城项目-day06【43.微信支付业务】
31 0
|
3月前
|
人工智能 自然语言处理 Serverless
阿里云百炼应用实践系列-让微信公众号成为智能客服
本文主要介绍如何基于百炼平台快速在10分钟让您的微信公众号(订阅号)变成 AI 智能客服。我们基于百炼平台的能力,以官方帮助文档为参考,让您的微信公众号(订阅号)成 为AI 智能客服,以便全天候(7x24)回应客户咨询,提升用户体验,介绍了相关技术方案和主要代码,供开发者参考。
阿里云百炼应用实践系列-让微信公众号成为智能客服
|
3月前
|
存储 人工智能 API
阿里云百炼应用实践系列-10分钟在企业微信中集成一个 AI 助手
在阿里云平台上,您只需十分钟,无需任何编码,即可在企业微信上为您的组织集成一个具备大模型能力的AI助手。此助手可24小时响应用户咨询,解答各类问题,尤其擅长处理私域问题,从而成为您企业的专属助手,有效提升用户体验及业务竞争力。
|
3月前
|
小程序 前端开发
微信小程序商城,微信小程序微店 【毕业设计参考项目】
文章推荐了一个微信小程序商城项目作为毕业设计参考,该项目在Github上获得18.2k星,提供了详细的使用教程和前端页面实现,适合学习微信小程序开发和作为毕业设计项目。
微信小程序商城,微信小程序微店 【毕业设计参考项目】
|
3月前
|
小程序
关于我花了一个星期学习微信小程序开发、并且成功开发出一个商城项目系统的心得体会
这篇文章是作者关于学习微信小程序开发并在一周内成功开发出一个商城项目系统的心得体会,分享了学习基础知识、实战项目开发的过程,以及小程序开发的易上手性和开发周期的简短。
关于我花了一个星期学习微信小程序开发、并且成功开发出一个商城项目系统的心得体会
|
3月前
|
前端开发 JavaScript API
微信公众号项目,实现微信支付(具体流程和参数)
微信公众号项目,实现微信支付(具体流程和参数)
|
4月前
|
小程序 安全 搜索推荐
【微信小程序开发实战项目】——个人中心页面的制作
本文介绍了如何设计和实现一个网上花店的微信小程序,包括个人中心、我的订单和我的地址等功能模块。个人中心让用户能够查看订单历史、管理地址和与客服互动。代码示例展示了`own.wxml`、`own.wxss`和`own.js`文件,用于构建个人中心界面,包括用户信息、订单链接、收藏、地址、客服和版本信息。我的订单部分展示了订单详情,包括商品图片、名称、销量、价格和订单状态,用户可以查看和管理订单。我的地址功能允许用户输入和编辑收货信息,包括联系人、性别、电话、城市和详细地址。每个功能模块都附有相应的WXML和WXSS代码,以及简洁的样式设计。
189 0
【微信小程序开发实战项目】——个人中心页面的制作
|
5月前
|
程序员 开发者
黑马程序员 苍穹外卖项目 Day微信支付问题解决与生成订单号超出上限问题
黑马程序员 苍穹外卖项目 Day微信支付问题解决与生成订单号超出上限问题
95 5
|
4月前
|
XML Java 数据格式
支付系统----微信支付20---创建案例项目--集成Mybatis-plus的补充,target下只有接口的编译文件,xml文件了,添加日志的写法
支付系统----微信支付20---创建案例项目--集成Mybatis-plus的补充,target下只有接口的编译文件,xml文件了,添加日志的写法

热门文章

最新文章