桌面端RPA自动化,鼠标移动点击太机械怎么破?随机取点、贝塞尔移动、光标检测三步走

上一篇 RPA跑网页自动化,鼠标怎么走得更像真人一点?三层方案实现随机移动轨迹+随机点击空白区域 讲了网页端的方案,在DOM里扫描安全空白区域,用贝塞尔曲线移过去,光标兜底检测再点。

那桌面软件端怎么办?

思路其实没变,和网页端一样,先找一个安全点,再决定要不要点击。但因为桌面端没有DOM,第一步无法做精细扫描,只能退而求其次。下面我们看一下整体思路。

第1层 在区域内随机生成坐标

这是桌面端和网页端最大的不同。

网页端能透视DOM结构,精细排除链接、按钮、表单,只点空白区域。但Win窗口里的元素,影刀能拿到的只是一个矩形坐标,我们只能从坐标字符串里解析出 left、top、right、bottom 四个值,用random.randint在范围内取任意坐标。

对【空白坐标点击次数】有进一步要求的人来说,精度会下降,这部分风险统一交给第三层的光标兜底来处理。

核心代码:

python 复制代码
import random
import re

from typing import *
try:
    from xbot.app.logging import trace as print
except:
    from xbot import print


def generate_random_coordinate_from_rect(rectangle_str):
    """
    title: 在矩形区域内生成随机坐标
    description: 从输入的矩形描述字符串中解析出坐标范围,
                 并在该范围内生成一个随机的绝对屏幕坐标。
    inputs:
        - rectangle_str (str): 矩形区域描述字符串,
          eg: "Rectangle(left=4, top=149, right=1421, bottom=848, ...)"
    outputs:
        - random_coord (dict): {"随机X坐标": 560, "随机Y坐标": 420}
    """

    def _parse_rectangle(rect_str: str):
        patterns = {
            'left': r'left=(\d+)',
            'top': r'top=(\d+)',
            'right': r'right=(\d+)',
            'bottom': r'bottom=(\d+)'
        }
        
        results = {}
        for key, pattern in patterns.items():
            match = re.search(pattern, rect_str)
            if match:
                results[key] = int(match.group(1))
            else:
                raise ValueError(f"无法在输入字符串中找到字段: {key}")
        
        return results

    coords = _parse_rectangle(str(rectangle_str))
    
    left = coords['left']
    top = coords['top']
    right = coords['right']
    bottom = coords['bottom']

    random_x = random.randint(left, right)
    random_y = random.randint(top, bottom)

    return {
        "随机X坐标": random_x,
        "随机Y坐标": random_y
    }

第2层 贝塞尔曲线移动

这一层和网页端完全一样,不复述了。

用的同一个魔法指令,自动侦测系统DPI缩放、多点贝塞尔路径规划、1.5秒高频插值移动。不管台式机还是笔记本,坐标都能精准落地。

原理和代码见上一篇的第二层部分。

第3层 手掌光标兜底检测

这一层也和网页端完全一样。

调用同一个 Windows 底层 API GetCursorInfo,实时判断光标是不是手掌形态。是手掌,说明当前坐标落在可交互元素上,跳过重来;不是手掌,确认安全,执行点击。

这一步对桌面端尤其关键。正是因为第一层不做DOM扫描、纯随机,误判的概率比网页端高。光标兜底检测就是那道安全网,把随机到的「不该点的地方」过滤掉。

三层串起来,桌面端的整体流程可以压缩为一条执行链:激活窗口,获取元素矩形,循环尝试(比如10次),随机取点,贝塞尔移动,等待2秒,光标检测,决定是否点击。是手掌跳过,不是就点。

上一篇讲了网页端的三层方案,这篇补上了桌面端。两篇合在一起,不管操作的是网页还是桌面软件,鼠标都能走得更像个真人。

以上,既然看到这里了,如果觉得不错,随手点个赞、在看、转发三连吧,如果想第一时间收到推送,也可以给我个星标?~

谢谢你看我的文章,我们下篇分享再见。

-END-

  • 爱练字的ISTJ型互联网人/信息整合怪/工具人/影刀高级认证工程师。
  • 专注分享:RPA&AI自动化场景提效方案、效率软件安利、实用技能。"所有的生产要素都可以被构建,只有认知是壁垒",欢迎関注 @掌心向暖RPA自动化

推荐阅读:

  • 拒绝品牌碰瓷!如何通过影刀RPA为品牌IP搭建一套高效的"内容合规治理"工作流?
  • 那些拥有上千浏览器书签/收藏夹的电脑用户,是怎么管理书签的?
  • 不会编程的我开发了一款近900行指令的自动化RPA应用,完美解决98%以上复制受限的飞书文档!
  • 飞书文档附件文件下载RPA方案2.0来了!不仅是PDF,Word、PPT、Excel、视频都能批量导出了,还都是源文件
相关推荐
CCTI_Curran25 分钟前
电动工具CE认证到底测什么?一文说清
自动化·电动工具·ce认证·角磨机·砂轮机
天远Date Lab2 小时前
分布式微服务实战:基于天远车辆估值构建自动化车价评估网关
人工智能·分布式·微服务·自动化
DeepVisionary2 小时前
8 月 20 款大模型同台:OpenAI 拆出三档家族,IBM 押注 512K 密集推理,Meta 回头开源 30B
python·自动化
nbzy8882 小时前
可解释的候选实体评分:基于Pandas、Pydantic与SQLite的字段拆分与证据溯源实现
自动化·内容生成·腰椎固定器
云飞云共享云桌面3 小时前
10 人三维研发团队,如何利用单台图形服务器承载 SolidWorks 建模与仿真?
运维·服务器·网络·自动化·制造
天远Date Lab2 天前
零信任架构实战:基于天远双人婚姻评估查询构建自动化房产按揭联合审查网关
运维·人工智能·架构·自动化
志栋智能2 天前
从关联到因果:智能超自动化如何实现真正的根因分析定界
运维·自动化
2601_962381862 天前
Python办公联动:Excel数据一键自动生成PPT图表
python·数据分析·自动化·excel·ppt
Wang's Blog2 天前
Vibe Coding一人即团队系列40: 基于Git历史与自定义Skill的自动化周报生成实践
人工智能·自动化
TomEval2 天前
【Web UI 自动化】05 - KDT 模式原理与实现
前端·ui·自动化