Python实现头条自动发文章,赚点广告费!

python屏幕找图_Python图片识别找坐标(appium通过识别图片点击坐标) ***如果只想了解图片相似度识别,直接看第一步即可***如果想了解appium根据图片识别点击坐标,需要看第一、二、三步背景|在做UI测试时,发现iOS自定义的UI控件,appium识别不到。所以考虑通过识别图片找坐标,进而通过点击坐标解决问题依赖python包|opencv、numpy、aircv第一步:查找图片在原始图片上的坐标点importaircv as acdef matchImg(im... 阅读详情

前一段时间想尝试一下用 Python 实现自动发一些文章到头条上,因为头条没有提供API发布文章,所以只能通过一些浏览器自动化,实现自动发布文章。但是第一道坎就是登录账号的时候弹出来的滑块验证码。

相信大家对滑块验证码比较熟悉了,就是一张有缺口的背景图,和一张缺口的图片,通过拖拽使背景图和前景图拼接成一张完整的图片。

查找了网上很多文章,基本上滑块验证码实现的方式与头条的并不一样,所以也不能成为解决方案。在 GitHub 搜索「滑块验证码」指定 Python 语言后发现了头条的字样,于是阅读了一遍代码,了解了实现原理。

核心代码分为两个步骤,一是计算需要滑动的距离,二是模拟出人手操作滑动的速度,因为匀速滑动会被认为是机器,不允许通过验证。

计算滑动距离

这里利用了 opencv-python 这个库提供的 matchTemplate 方法,从一张大图中搜索小图,计算出大图上各个区域和小图的相识度,再通过 minMaxLoc 方法找到最大值。从而计算需要滑动的距离。具体代码如下

#  传入滑块背景图片本地路径和滑块本地路径,返回滑块到缺口的距离def findPic(img_bg_path, img_slider_path):    """    找出图像中最佳匹配位置    :param img_bg_path: 滑块背景图本地路径    :param img_slider_path: 滑块图片本地路径    :return: 返回最差匹配、最佳匹配对应的x坐标    """
    # 读取滑块背景图片,参数是图片路径,OpenCV默认使用BGR模式    # cv.imread()是 image read的简写    # img_bg 是一个numpy库ndarray数组对象    img_bg = cv.imread(img_bg_path)
    # 对滑块背景图片进行处理,由BGR模式转为gray模式(即灰度模式,也就是黑白图片)    # 为什么要处理?BGR模式(彩色图片)的数据比黑白图片的数据大,处理后可以加快算法的计算    # BGR模式:常见的是
从图像中提取文本及其坐标的Python实现 OpenCV用于图像处理和文字区域检测,而pytesseract是一个OCR(光学字符识别)库,用于从图像中提取文本。OpenCV用于图像处理和文字区域检测,而pytesseract是一个OCR(光学字符识别)库,用于从图像中提取文本。最后,我们可以将提取到的文本及其坐标用适当的方式进行处理,比如保存到文件或进一步分析。最后,我们可以将提取到的文本及其坐标用适当的方式进行处理,比如保存到文件或进一步分析。检测完成后,我们可以遍历检测到的文本区域,并使用pytesseract来识别文本。 阅读详情

相关推荐

实操变现|我靠Python爬知乎热榜+AI生成日报,无脑月入8000+,完整项目开源(保姆级教程,新手可复刻)

AI生成的日报是markdown格式,我们只需要用「微信编辑器」一键排版,就能生成公众号的精美格式;小红书和今日头条的排版也一样,复制粘贴即可,全程不用手动调格式,1分钟搞定。排版小技巧(变现加分项):在日报里加一张知乎热榜的截图作为封面,再给重点内容加个底色,阅读量能提升50%,公众号编辑器里有现成的模板,一键套用即可。

专注于Python爬虫开发,分享爬虫技巧、项目实战与反爬经验,使用Scrapy、BeautifulSoup等工具,解决数据抓取难题。 1125

Python+OpenCV查找二维码图片中的定位图案 回字形图案

# Python+OpenCV查找二维码图片中的定位图案 回字形图案 1. 对图像进行灰度化、二值化,使用findContours()查找轮廓; 2. 根据轮廓的层级关系寻找定位图案的三层轮廓结构; 3. 根据定位图案的边长比例定位到其轮廓,并获取定位图案质心。

ESP32C3的I2S接口详解:以驱动PCM5102A为例,避开时序与配置的那些坑

本文深入解析ESP32C3的I2S接口驱动PCM5102A DAC的完整解决方案,涵盖时序对齐、PCB优化和寄存器级配置。通过实际案例分享时钟树分析、信号完整性设计和底层调试技巧,帮助开发者避开常见陷阱,实现高质量音频输出。重点探讨了I2S协议栈、电源滤波优化及DMA传输异常处理等关键技术要点。

weixin_30254435的博客 298

深入解析高通8155平台音频数据流:从HAL到DSP的完整链路

本文深入解析了高通8155平台音频数据从安卓HAL层到DSP的完整传输链路。以播放场景为例,详细阐述了音频数据如何通过ASoC DPCM框架进行路由、打包,并经由APR协议与DSP交互,最终驱动硬件发声的核心流程,为车载音频系统开发与调试提供了清晰的框架。

rust6ferris的博客 1174

华为FusionCharge 720kW液冷直流快充桩主电流全路径深度详解

本文档详细介绍了华为FusionCharge 720kW液冷分体式直流充电系统的主电流路径全链路解析,适用于配套DS720-720LCNA1充电主机及DT600L1-CNA1液冷终端、DT250N2-CNA1自然冷终端的运维工作。内容涵盖从电网交流输入到电动汽车充电的全过程,重点解析交流门、整流正门、主控正门等五大柜门区域的核心元器件分布及功能,包括额定参数、安全规范、故障排查等关键运维知识。操作人员需持有高压电工证并通过专项培训,作业时必须严格遵守断电验电、穿戴PPE防护装备等安全红线。文档通过16个关键

2401_84939870的博客 745

LMX2594时钟配置实战:TICS PRO从入门到寄存器导出

本文详细介绍了LMX2594时钟芯片的配置实战,重点讲解了如何使用TICS PRO调试软件简化复杂的寄存器设置过程。通过实例演示从基础频率配置到高级参数调优的全流程,并分享SPI写入的嵌入式系统移植技巧,帮助工程师快速掌握高性能时钟芯片的配置方法。

weixin_29189003的博客 549

Neo4j 智能供应链应用源代码简析

本文简析Neo4j智能供应链应用的源代码,让你也可以快速开发自己的供应链应用。

Neo4j 开发者博客 1679

基于奥比中光Orbbec Astra Pro与ROS实现实时3D环境建模:orb_slam2实战指南

本文提供了一份详细的实战指南,介绍如何使用奥比中光Orbbec Astra Pro深度摄像头与ROS系统,部署并运行ORB-SLAM2算法,实现实时3D环境建模与定位。内容涵盖从驱动安装、环境配置、算法编译到摄像头标定与性能调优的全流程,旨在帮助开发者快速搭建一套高性价比的视觉SLAM系统。

weixin_29054399的博客 332

UG\NX二次开发 分割曲线

分割曲线没有ufun函数?那就换一种思路实现。

王牌飞行员_里海的博客 1144

AI处理器组合

编号0-3的处理器处于同一个链路中,编号4-7的处理器处于另外一个链路中,不通链路中的处理器不能通信,如下图所示。- 如果申请处理器个数为1,则选择同一链路,剩余可用的处理器数量为1个的最佳,其次是剩余3个的为次佳,然后是剩余2个,最后是剩余4个。输出为组合列表,当array=[0, 1, 4, 5, 6, 7] ,num=1时,输出为[[0], [1]]- 如果申请处理器个数为2,则选择同一链路剩余可用的处理器数量2个的为最佳,其次是剩余4个,最后是剩余3个。任务申请1个处理器。

面试高手的博客 1万+

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

上一篇: 懒人专用的奇淫技巧,用Python实现炫酷的语音操作电脑!
下一篇: Python 短文本自动识别个体是否有自杀倾向!Python真滴强!
PythonJavaPHP
博客等级 码龄7年 116粉丝 76原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值