本文共3500余字,预计阅读时间12分钟,本文同步发布于知乎专栏和微信公众号平台。
关注学习了解更多的Cygwin、Linux、Python技术。

日常使用计算机,命令行程序可以说是为批量操作文件而生,但作为普通用户,最多的还是通过鼠标键盘操作形形色色的图形界面程序。试想下面一个场景:有成千上万个文件,都需要通过图形界面进行同样的一套编辑、保存工作,靠手工一遍一遍地重复做,累死人不说,时间久了必然出现错误,作为程序猿,怎么能忍重复3次以上的工作,必须利用程序自动化。要想图形界面也能像命令行程序那样精确控制,就需要GUI自动化工具了。不得不赞Python生态之丰富,GUI自动化自动化工具也有多种库可选,比如Windows平台的pywin32,以及本文主角——跨平台的PyAutoGUI。

0x00 PyAutoGUI简介

pywin32直接包装了几乎所有的Windows API,可以方便地从Python直接调用,把Windows API按照功能分了一些大类,每一个大类作为一个模块,常见如win32apiwin32guiwin32com等,其中win32com使用微软独门的COM接口技术进行进程间通信,可以实现控制GUI程序。但前提是,这些程序得支持COM接口。win32api则更加原始,完全通过Win32 API调用获得/生成窗口句柄、发送消息事件,十分繁琐。还有的项目如pywinauto,则是在pywin32基础上进一步封装,但本质思路还是一样的。

PyAutoGUI的思路与此完全不同,它是接管了鼠标、键盘使用权,基本上完全照搬人的操作,底层不必套牢在Windows系统,没错,它是跨平台的。官网地址:https://github.com/asweigart/pyautogui。原本,这类GUI自动化工具的初衷是给GUI程序自动化测试用,产生点击鼠标、敲击键盘的行为,在日志中记录下消息事件和GUI程序的响应结果,事后分析GUI程序可能存在的bug。不过,既然能产生点击鼠标、敲击键盘的行为,我们就可以用来控制GUI程序批量完成文件编辑、保存工作。

按照官方的说法,PyAutoGUI是给人类用的GUI自动化神器,简单高效、函数分类清晰,它被awesome-pythonawesome-python-cn收录。

0x01 PyAutoGUI使用入门

安装

推荐通过pip安装,一行命令搞定。

1
python -m pip install -U pyautogui

PyAutoGUI依赖于pyscreezepymsgboxpytweening,上述命令会自动安装这3个库。安装完成后可以发现,在site-packages\pyautogui有6个文件,名字带java、osx、win、x11的是在不同平台的实现方案,再在init.py和main.py中检测当前系统平台进行封装。其中,java平台的实现文件为空,猜测是未来计划支持的,先占个坑。

1
2
3
4
5
6
__init__.py
__main__.py
_pyautogui_java.py # 空文件,猜测是未来支持
_pyautogui_osx.py
_pyautogui_win.py
_pyautogui_x11.py

快速上手

PyAutoGUI设计简洁,相关符号经过内部import之后,被封装在pyautogui单个模块中,因此Python程序中只要import pyautogui之后便可通过.符号访问pyautogui中的函数、变量。pyautogui中函数大致分为通用功能、鼠标控制、键盘控制、消息窗口、截图5大类。

  1. 通用功能
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    In [1]: import pyautogui

    In [2]: pyautogui.size() # 获取屏幕尺寸(分辨率×分辨率)
    Out[2]: Size(width=1920, height=1080)

    In [3]: pyautogui.position() # 获取鼠标当前位置
    Out[3]: Point(x=846, y=437)

    In [4]: pyautogui.onScreen(100,200) # 判断坐标是否在屏幕范围内
    Out[4]: True

    In [5]: pyautogui.onScreen(100,2000) # 判断坐标是否在屏幕范围内
    Out[5]: False

坐标体系至关重要,后续鼠标位置、图片大小都根据这套体系定义。PyAutoGUI沿用了传统的坐标体系,并未重新定义,如下图所示。x的取值范围是[0, 宽度分辨率-1],y的取值范围是[0, 高度分辨率-1]。
屏幕坐标体系

  1. 鼠标控制
    鼠标移动,包括绝对位置移动和相对位置移动。
    1
    2
    3
    4
    5
    6
    7
    In [7]: sizex,sizey=pyautogui.size() # 保存屏幕尺寸

    # 绝对位置移动,移动至屏幕正中心,鼠标移动过渡时间duration设为1秒
    In [9]: pyautogui.moveTo(sizex/2,sizey/2,duration=1)

    # 相对位置移动,向右100、向上200,鼠标移动过渡时间duration设为0.5秒
    In [10]: pyautogui.moveRel(100, -200, duration=0.5)

鼠标点击,一个click()函数把点鼠标的活包干,过程也可分解为mouseDown()mouseUp();另有在click()之上封装的rightClick()middleClick()doubleClick()tripleClick()等函数。鼠标点击之前允许指定要移动的目标位置,若目标位置不在运行当前Python程序的终端/IDE范围内,则可能对其他GUI程序触发鼠标点击事件,从而引起其响应,即焦点移动至其他GUI程序。

1
2
3
4
5
6
7
8
9
10
11
# 移动至屏幕中心点击一下左键,过渡时间0.5秒
In [16]: pyautogui.click(sizex/2,sizey/2, duration=0.5)

# 不指定x、y,在当前位置点击一下右键
In [17]: pyautogui.click(button='right')

# 移动至(100,100)点击3次左键,点击间隔0.1s,鼠标移动过渡时间0.5秒
In [18]: pyautogui.click(100,100, clicks=3,interval=0.1,duration=0.5)

# 移动至(100,100)点击2次右键,点击间隔0.5s,鼠标移动过渡时间0.2秒
In [19]: pyautogui.click(100,100, clicks=2,interval=0.5,button='right',duration=0.2)

滚动鼠标滚轮。

1
2
3
4
5
6
# 鼠标位置不动,向上回滚2个单位,项目文档对滚动量参数说明不详
In [22]: pyautogui.scroll(2)

# 鼠标移动至(1000,700),前下滚动10个单位
# 运行发现鼠标并没有动
In [26]: pyautogui.scroll(-10,1000,700)

鼠标拖曳,指从当前位置按下鼠标,移动至目标位置再释放的过程,指定目标位置同样有绝对位置和相对位置两种方式,和移动鼠标函数很像。另外,试用下来,未发现drag()函数和dragRel()的差异。

1
2
3
4
5
# 将鼠标从当前位置拖至屏幕中心,默认左键
In [32]: pyautogui.dragTo(sizex/2,sizey/2)

# 将鼠标从当前位置向左100像素、向右200像素拖动,过渡时间0.5秒,指定右键
In [33]: pyautogui.dragRel(-100,200,duration=0.5,button='right')

  1. 键盘控制
    控制按键,也是一个press()函数基本把活包干,按键动作往细分解包含keyDown()keyUp()两个过程;在此基础上封装,有typewrite()hotkey()两个高阶一点的函数,分别用于输入字符串和按快捷键。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    # 键名用字符串表示,支持的所有键名,存在pyautogui.KEYBOARD_KEYS变量中,包括26个字母、数字、符号、F1~F20、方向等等所有按键
    In [4]: pyautogui.press('a') # 按字母A键,字母支持大小写

    # 程序向终端输入了字符a,若程序运行时输入法为中文状态,由于没有继续输入空格或回车,输入法仅列出候选字,并不会输入到终端
    In [5]: a

    # 传入键名列表(按键p、按键y、空格),按键之间间隔0.1秒(默认0)
    In [6]: pyautogui.press(['p','y','space'], interval=0.1)

    # 运行前将输入法切换到中文状态,往终端直接输入了“培养”
    In [7]: 培养

    # typewrite方式一:传入字符串,不支持中文字符,因为函数无法知道输入法需要什么按键才能得到中文字符
    In [9]: pyautogui.typewrite('hello, PyAutoGUI!\n')

    # 程序把字符串"'hello, PyAutoGUI!"和换行符输入到了终端
    In [10]: hello, PyAutoGUI!
    ...:

    # typewrite方式二:传入键名列表,按键之间间隔0.1秒(默认0)
    In [11]: pyautogui.typewrite(['s','r','f','space'], interval=0.1)

    # 运行前将输入法切换到中文状态,往终端直接输入了“输入法”3个字
    In [12]: 输入法

    # 大小写字母是自动支持的,仍然尝试一次切换到大写
    In [13]: pyautogui.typewrite(['capslock','p','y'])

    # CapsLock按键灯被点亮,程序往终端输入了"PY"
    In [14]: PY

    # hotkey屏蔽了需要反复keyDown、keyUp的细节,参数是任意个键名,而非列表
    In [18]: pyautogui.hotkey('ctrl', 'shift', 'esc') #调出任务管理器

    In [19]:pyautogui.hotkey('alt','ctrl','delete') # 并未调出重启界面
  2. 消息窗口
    PyAutoGUI利用pymsgbox的功能,以JavaScript风格函数提供消息框功能,包括alert()confirm()prompt()password(),连参数都是一致的,熟悉JavaScript的朋友不会陌生。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    In [24]: pyautogui.alert(text='警告',title='PyAutoGUI消息框',button='OK')
    Out[24]: 'OK' # 点击的按键被返回

    In [28]: pyautogui.confirm(text='请选择',title='PyAutoGUI消息框',buttons=['1','2'
    ...: ,'3'])
    Out[28]: '2' # 点击的按键被返回

    In [30]: pyautogui.prompt(text='请输入',title='PyAutoGUI消息框',default='请输入')
    Out[30]: 'input by 伪码人' # 点OK按钮后返回输入内容

    In [32]: pyautogui.password(text='输入密码',title='PyAutoGUI消息框',default='',mask='*')
    Out[32]: 'We_Coder' # 点OK按钮后返回输入内容

PyAutoGUI的4种消息框

  1. 截图相关
    PyAutoGUI提供了screenshot()函数进行屏幕截图,返回是Image对象,这是在Pillow库中定义的,因此需要安装Pillow库才能正常工作。
    1
    2
    3
    4
    # imageFilename参数,截图要保存的文件全路径名,默认`None`,不保存;
    # region参数,截图区域,由左上角坐标、宽度、高度4个值确定,如果指定区域超出了屏幕范围,超出部分会被黑色填充,默认`None`,截全屏
    In [41]: pyautogui.screenshot('shot.png',region=(1000,600,600,400))
    Out[41]: <PIL.Image.Image image mode=RGB size=600x400 at 0x20C87497390>

PyAutoGUI截图600×400

PyAutoGUI还有个图片匹配功能,它是在屏幕按像素匹配,定位图片在屏幕上的坐标位置,locateOnScreen()函数返回region对象,即左上角坐标、宽度、高度4个值组成的元组,再用center()函数计算出中心坐标,locateCenterOnScreen()函数则一步到位,返回中心坐标。如果把需要点击的菜单、按钮事先保存成图片,可以用来自动查找菜单、按钮位置,再交由click()函数控制鼠标去点击。

1
2
3
loc = pyautogui.locateCenterOnScreen("icon_xx.png", region=(0, 0,sizex/2, sizey/10) ) # region参数限制查找范围,加快查找速度
pyautogui.moveTo(*loc, duration=0.5) # 移动鼠标
pyautogui.click(clicks=1) #点击

0x02 任务示例

前文只是PyAutoGUI相关函数的说明,要真正熟悉它,必须结合具体任务。现有这样一个任务,成千上万个CAD图分布在几十个文件夹中,需要对每个图进行编辑操作,假使这个操作就是简单旋转下视角,再保存。AutoCAD程序本身是有脚本功能的,因此可以利用AutoCAD来完成本任务,综合考虑以下原因促使我转向PyAutoGUI的路线上来:

  1. AutoCAD是商业软件,本人希望尽可能地减少对商业软件的依赖;
  2. AutoCAD的脚本功能十分有限,没有循环,难以适应如此多数量的文件操作,而且去熟悉AutoCAD脚本可能比PyAutoGUI更花时间;
  3. 利用PyAutoGUI熟悉GUI控制后,可以套在别的GUI程序上,未来仍有使用价值,如果使用AutoCAD则始终被限定在AutoCAD的操作范围内,价值低,而且与第一条相悖。

决定走PyAutoGUI的路线,做了如下工作:

  1. 找到另一个轻量看图软件,支持简单的编辑功能,正好包括旋转视角;
  2. 手工操作键盘鼠标,利用这个看图软件完成1个文件的编辑、保存流程;
  3. 将涉及操作的菜单、按钮等截图保存起来备用,将上述流程代码化,落地成果就是1个操作函数;
  4. 由于看图软件应需要时间,移动、点击鼠标等操作的过渡时间需要调试确定;
  5. 完成1个文件的操作流程后,在主函数编写文件匹配、循环等功能,在循环中调用操作函数,初期只拿10个文件批量操作,调试无误后,主函数的文件匹配修改为整个文件夹,包含成千上万个文件。

操作函数代码。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
import os
import pyautogui as pag

__sizex__, __sizey__ = pag.size() #获得屏幕尺寸

def cad_turn(cad_file, outd):
'''
cad_file : 要操作的CAD文件
outd : 文件输出路径
'''

c = pag.locateCenterOnScreen(__icon_open__, region=(0,0,__sizex__/10,__sizey__/20) ) # 打开图标,图标事先截图保存
pag.moveTo(*c, duration=0.05)
pag.click( button="left") # 点击打开按钮

pag.moveRel(__sizex__/4, __sizey__/4) # 确保文件打开窗口获得焦点
pag.typewrite(message=cad_file,interval=0.1) # 输入文件路径
pag.press('enter')

c = pag.locateCenterOnScreen(__icon_view__, region=(__sizex__/4, 0,__sizex__/2, __sizey__/10) ) # 旋转视图图标
pag.moveTo(*c, duration=2)
pag.click(clicks=7, interval=1, button="left") # 点击旋转视角按钮

c = pag.locateCenterOnScreen(__icon_saveas__, region=(0, 0, __sizex__/10, __sizey__/20) ) # 另存为图标
pag.moveTo(*c, duration=0.2)
pag.click( button="left") # 点击另存为按钮

pag.moveRel(__sizex__/4, __sizey__/4) # 确保文件打开窗口获得焦点
pag.typewrite(message=os.path.join(out, fbase+'-se'), interval=0.1) # 输入保存路径
pag.press('enter')

# 关闭所有可能存在的窗口,避免占用太多内存
while( True ):
try :
pag.moveTo(__sizex__/2, __sizey__/2, duration=0.3) # 延时
c = pag.locateCenterOnScreen(__icon_close__, region=(__sizex__/5, 0, __sizex__*3/5, __sizey__/20) )
pag.moveTo(*c, duration=0.1) # 移到“x”按钮
pag.click( button="left") # 点击“x”按钮
except TypeError:
break

主函数代码。

1
2
3
4
5
6
7
8
9
10
11
12
if __name__ == "__main__":
p = r'x/y/z/CAD文件所在路径'
cad_src = glob_file_list( p, r"*.DXF") # 匹配出要操作的文件
total = len(cad_src)
if(total == 0):
print('无文件需处理,退出...')
try:
for idx,x in enumerate(cad_src, start=1):
print("[{}/{}] 处理{}...".format(idx, total, x))
cad_turn(x, "out")
except Exception as e:
print("错误:{}".format(e))

开启看图软件,输入法切换到英文状态,再运行Python程序,效果见视频

参考

更多阅读


如本文对你有帮助,或内容引起极度舒适,欢迎分享转发或点击下方捐赠按钮打赏 ^_^