[python] 1、python鼠标点击、移动事件应用——写一个自动下载百度音乐的程序

简介:


 

1、问题描述:

最近百度总爱做一些破坏用户信任度的事——文库金币变券、网盘限速,吓得我赶紧想办法把存在百度云音乐中的歌曲下载到本地。

http://yinyueyun.baidu.com/

可问题是云音乐中并没有批量下载,而上面我总共存了700多首音乐!

因此:有必要写一个脚本自动下载这些音乐了!!!

 

2、解决问题

自动下载歌曲有两种方法:

  • JS法
  • 模拟鼠标点击法

由于考虑到JS法需要分析网页结构、寻找下载链接,工作量有点大,于是选择用模拟鼠标点击法!

在linux上我首先想到用python来做这件事。

用python使用鼠标点击事件比较简单,在github上有人开源了一个PyMouse模块,简单几行代码就能模拟鼠标!

https://github.com/pepijndevos/PyMouse/wiki/Documentation

该PyMouse有个简单的DEMO:

复制代码
 1 # import the module
 2 from pymouse import PyMouse
 3 
 4 # instantiate an mouse object
 5 m = PyMouse()
 6 
 7 # move the mouse to int x and int y (these are absolute positions)
 8 m.move(200, 200)
 9 
10 # click works about the same, except for int button possible values are 1: left, 2: right, 3: middle
11 m.click(500, 300, 1)
12 
13 # get the screen size
14 m.screen_size()
15 # (1024, 768)
16 
17 # get the mouse position
18 m.position()
19 # (500, 300)
复制代码

因此,编写一个可以自动下载一页歌曲(20首)的脚本如下:

该代码所做的主要任务是点击下载,然后再点击确定:

注:如果只是两次点击如何解释21、22行代码?

因为点击下载之后,会有个选择下载音质的弹框,音质有高、中、低三种,但是有些歌曲只有一种或两种音质可以选择。这导致弹框的位置有所不同(确定按钮的位置也随之不同),解决此问题一个“笨”方法是将可能区域都点一遍!

复制代码
 1 # import the module
 2 from pymouse import PyMouse
 3 from time import sleep
 4 
 5 # instantiate an mouse object
 6 m = PyMouse()
 7 
 8 pos_x = 1120
 9 pos_y = 302
10 pos_y_add = 38
11 one_page_lines = 20
12 
13 select_button_x = 984
14 select_button_y = 550
15 
16 sleep(2)
17 
18 for i in range(0,one_page_lines):
19     m.click(pos_x,pos_y+i*38,1)
20     sleep(2)
21     for j in range(0,30):
22         m.click(select_button_x,select_button_y+j*5,1)
23     sleep(3)
24     print(i)
复制代码

 

3、遗留问题

上面脚本能在网速良好情况下将一页的歌曲下载到本地,接下来自然想到的是模拟鼠标拖动(拖动slide bar,切换至下一页20首歌曲)。

于是我尝试写一个模拟鼠标拖动的脚本做个测试:

复制代码
 1 # import the module
 2 from pymouse import PyMouse
 3 from time import sleep
 4 
 5 # instantiate an mouse object
 6 m = PyMouse()
 7 
 8 pos_x = 1120
 9 pos_y = 302
10 pos_y_add = 38
11 one_page_lines = 20
12 
13 select_button_x = 984
14 select_button_y = 550
15 
16 slide_x = 1915
17 slide_y = 312
18 slide_dis = 1
19 
20 sleep(5)
21 for page in range(1,40):
22     m.press(slide_x,slide_y)
23     slide_y = slide_y + slide_dis
24     m.move(slide_x,slide_y)
25     m.release(slide_x,slide_y)
26     sleep(10)
27 
复制代码

理论上每次滑动slide bar歌曲list移动的距离是相同的,而实测发现存在没有规律的误差!

由于第二节中下载歌曲的脚本鼠标点击的start位置是固定的,因此一旦不能利用slide bar移动使歌曲列表恰好切到下一页,就会导致下载脚本点击事件点错地方。

后续优化方向可以利用图像识别对slide bar移动进行校准~


本文转自beautifulzzzz博客园博客,原文链接:http://www.cnblogs.com/zjutlitao/p/6942729.html,如需转载请自行联系原作者

相关文章
|
8天前
|
机器学习/深度学习 数据可视化 数据处理
从基础到进阶:探索Python在数据科学中的应用
【10月更文挑战第18天】从基础到进阶:探索Python在数据科学中的应用
24 1
|
14天前
|
机器学习/深度学习 数据采集 数据挖掘
11种经典时间序列预测方法:理论、Python实现与应用
本文将总结11种经典的时间序列预测方法,并提供它们在Python中的实现示例。
53 2
11种经典时间序列预测方法:理论、Python实现与应用
|
1天前
|
机器学习/深度学习 数据可视化 数据处理
Python在数据科学中的应用###
本文探讨了Python语言在数据科学领域的广泛应用及其重要性。通过分析Python的简洁语法、强大的库支持和跨平台特性,阐述了为何Python成为数据科学家的首选工具。文章还介绍了Python在数据处理、分析和可视化方面的具体应用实例,展示了其在提升工作效率和推动科学研究方面的巨大潜力。最后,讨论了未来Python在数据科学领域的发展趋势和挑战。 ###
|
6天前
|
Python
python的时间操作time-应用
【10月更文挑战第20天】 python模块time的函数使用。
30 7
|
2天前
|
测试技术 开发者 Python
深入浅出:Python中的装饰器解析与应用###
【10月更文挑战第22天】 本文将带你走进Python装饰器的世界,揭示其背后的魔法。我们将一起探索装饰器的定义、工作原理、常见用法以及如何自定义装饰器,让你的代码更加简洁高效。无论你是Python新手还是有一定经验的开发者,相信这篇文章都能为你带来新的启发和收获。 ###
6 1
|
4天前
|
机器学习/深度学习 分布式计算 数据可视化
Python在数据科学中的应用与挑战
本文探讨了Python编程语言在数据科学领域的广泛应用及其面临的主要挑战。Python因其简洁的语法、强大的库支持和活跃的社区,已成为数据科学家的首选工具。然而,随着数据量的激增和复杂性的增加,Python也面临着性能瓶颈、内存管理等问题。本文将通过具体案例分析,展示Python在数据处理、分析和可视化方面的优势,同时讨论如何克服其在大规模数据处理中的局限性,为读者提供实用的解决方案和优化建议。
|
14天前
|
监控 Kubernetes Python
Python 应用可观测重磅上线:解决 LLM 应用落地的“最后一公里”问题
为增强对 Python 应用,特别是 Python LLM 应用的可观测性,阿里云推出了 Python 探针,旨在解决 LLM 应用落地难、难落地等问题。助力企业落地 LLM。本文将从阿里云 Python 探针的接入步骤、产品能力、兼容性等方面展开介绍。并提供一个简单的 LLM 应用例子,方便测试。
102 11
|
3天前
|
调度 开发者 Python
异步编程在Python中的应用:Asyncio和Coroutines
异步编程在Python中的应用:Asyncio和Coroutines
8 1
|
4天前
|
弹性计算 安全 数据处理
Python高手秘籍:列表推导式与Lambda函数的高效应用
列表推导式和Lambda函数是Python中强大的工具。列表推导式允许在一行代码中生成新列表,而Lambda函数则是用于简单操作的匿名函数。通过示例展示了如何使用这些工具进行数据处理和功能实现,包括生成偶数平方、展平二维列表、按长度排序单词等。这些工具在Python编程中具有高度的灵活性和实用性。
10 2
|
7天前
|
Java 索引 Python
【10月更文挑战第19天】「Mac上学Python 30」基础篇11 - 高级循环技巧与应用
本篇将介绍更深入的循环应用与优化方法,重点放在高级技巧和场景实践。我们将讲解enumerate()与zip()的妙用、迭代器与生成器、并发循环以及性能优化技巧。这些内容将帮助您编写更高效、结构更合理的代码。
30 5