'commit'

Apps/TeLaiDian/Config/Setting.py

@@ -15,7 +15,7 @@ WAIT_BACK_TO_LIST = 1.5
 WAIT_AFTER_SCROLL = 2.5
 
 # 坐标计算与安全防护
-SAFE_EXCLUDE_RATIO = 0.55  # 大幅增加排除比例，确保从过滤器下方开始识别
+SAFE_EXCLUDE_RATIO = 0.58  # 增加比例，确保完全跳过顶部的“充电礼”红色Banner和“PLUS会员/我的卡券”图标区
 BOTTOM_SAFE_EXCLUDE_RATIO = 0.12 
 MIN_CARD_HEIGHT = 250 # 增加最小高度要求，确保卡片信息完整（特来电卡片较长，约300px）
 DETAIL_SCROLL_DISTANCE_RATIO = 0.9 # 详情页滑动距离比例，确保露出价格按钮

Apps/TeLaiDian/Crawler.py

@@ -63,6 +63,12 @@ class TeLaiDianCrawler(BaseCrawler):
                 target_x = int(close_point[0] * w / 1000)
                 target_y = int(close_point[1] * h / 1000)
                 
+                # 安全校验：绝对不能点击微信小程序的胶囊按钮区 (右上角)
+                # 胶囊按钮通常在 x > 80% 宽度 且 y < 100 像素(或 8% 高度) 的区域
+                if target_x > w * 0.75 and target_y < 150:
+                    logger.warning(f"⚠️ 拒绝点击疑似微信胶囊按钮的区域: ({target_x}, {target_y})")
+                    continue
+
                 logger.info(f"第 {i+1} 轮发现广告: {res.get('reason')}，点击关闭: ({target_x}, {target_y})")
                 d.click(target_x, target_y)
                 await asyncio.sleep(1.5)
@@ -77,8 +83,15 @@ class TeLaiDianCrawler(BaseCrawler):
         # 进入列表页先清理广告
         await self.clear_ads(d)
         
+        # [优化] 向下滚动以刷新/校准地理位置
+        logger.info("执行下拉操作以刷新校准地理位置...")
+        d.swipe_ext("down", scale=0.6)
+        logger.info("等待 2 秒让位置校准生效...")
+        await asyncio.sleep(2.0)
+        
         processed_count = 0
         last_md5 = None
+        processed_station_names = set() # 用于列表级去重
         
         while processed_count < MAX_STATIONS_COUNT:
             # 1. 截图并分析
@@ -94,6 +107,14 @@ class TeLaiDianCrawler(BaseCrawler):
             
             stations = await self.read_image_kit.analyze_station_list(screenshot_path)
             if not stations:
+                # 检查是否意外退出了小程序
+                is_wrong_page = await self.check_wrong_page(d, screenshot_path)
+                if is_wrong_page:
+                    logger.error("检测到已退出详情列表页（可能回到了搜索页），尝试重新进入...")
+                    await self.open_app()
+                    await asyncio.sleep(5)
+                    continue
+
                 logger.info("本页未检测到场站，尝试滑动...")
                 d.swipe_ext("up", scale=SCROLL_DISTANCE_RATIO)
                 await asyncio.sleep(WAIT_AFTER_SCROLL)
@@ -109,6 +130,10 @@ class TeLaiDianCrawler(BaseCrawler):
                 if not name or not point:
                     continue
                 
+                if name in processed_station_names:
+                    logger.info(f"跳过已处理场站: {name}")
+                    continue
+                
                 logger.info(f"处理场站: {name} (坐标: {point})")
                 
                 # 点击进入详情
@@ -116,21 +141,25 @@ class TeLaiDianCrawler(BaseCrawler):
                 logger.info(f"已点击场站 '{name}'，等待 {WAIT_DETAIL_PAGE_LOAD}s 加载详情页...")
                 await asyncio.sleep(WAIT_DETAIL_PAGE_LOAD)
                 
-                # 截图验证是否进入详情页 (可选：可以加入更复杂的页面特征判断)
+                # 截图验证是否进入详情页
                 detail_check_path = take_screenshot(d, f"tld_detail_check_{int(time.time())}.jpg")
                 logger.info(f"详情页快照已保存: {detail_check_path}")
 
-                # 简单验证：如果标题包含 "我的卡券"、"优惠券" 等，说明点错了
+                # 简单验证：如果标题包含 "我的卡券"、"优惠券"、"新人福利" 等，说明点错了
                 is_wrong_page = await self.check_wrong_page(d, detail_check_path)
                 if is_wrong_page:
                     logger.warning(f"检测到进入了错误页面，尝试返回列表...")
+                    # 尝试点击左上角的返回箭头，如果没有，则执行系统 back
+                    d.click(40, 70) # 特来电通常左上角有返回箭头
+                    await asyncio.sleep(1.0)
                     d.press("back")
                     await asyncio.sleep(WAIT_BACK_TO_LIST)
                     if os.path.exists(detail_check_path): os.remove(detail_check_path)
                     continue
-
+                
                 # 爬取详情
                 await self.crawl_detail_logic(d, station)
+                processed_station_names.add(name)
                 
                 # 返回列表
                 d.press("back")
@@ -149,26 +178,11 @@ class TeLaiDianCrawler(BaseCrawler):
         """
         检查是否误触进入了错误的页面（如：我的卡券、活动页等）
         """
-        prompt = """
-        分析这张截图，判断这是否是一个“充电站详情页”。
-        特征：详情页通常包含场站名称、电价列表、电桩状态等。
-        如果页面显示的是“我的卡券”、“优惠券”、“个人中心”或“活动广告”，则不是详情页。
-        
-        输出格式为 JSON：
-        {
-            "is_detail_page": true/false,
-            "page_type": "detail" / "coupons" / "ad" / "other",
-            "reason": "判断依据"
-        }
-        """
-        try:
-            res_text = await self.read_image_kit.vlm.analyze_image(image_path, prompt)
-            json_str = self.read_image_kit.vlm.extract_json(res_text)
-            data = json.loads(json_str)
-            return not data.get("is_detail_page", True)
-        except Exception as e:
-            logger.error(f"检查页面类型失败: {e}")
-            return False
+        data = await self.read_image_kit.check_wrong_page_vlm(image_path)
+        is_detail = data.get("is_detail_page", True)
+        if not is_detail:
+            logger.warning(f"⚠️ 确认进入错误页面: {data.get('page_type')} ({data.get('reason')})")
+        return not is_detail
 
     async def crawl_detail_logic(self, d, station_info):
         """

Apps/TeLaiDian/Kit.py

@@ -229,36 +229,48 @@ def detect_cards_cv(image_path, top_ratio=0.40, bottom_ratio=0.12):
             
     return cards
 
-def draw_rectangles(image_path, points, output_path=None):
+def draw_rectangles(image_path, bboxes=None, click_points=None):
     """
-    使用 OpenCV 在图片上绘制矩形框
+    使用 OpenCV 在图片上绘制矩形框和点击点，生成 _vl.jpg 和 _flag.jpg
+    - _vl.jpg: 仅包含矩形框，供视觉模型参考
+    - _flag.jpg: 包含矩形框和点击点，供人工调试
     """
     try:
-        from Apps.TeLaiDian.Config.Setting import DRAW_DEBUG_BOXES
-        # 这里暂时写死颜色和粗细，或者从 Setting 读取
-        DEBUG_BOX_COLOR = (0, 255, 0)
+        DEBUG_BOX_COLOR = (0, 255, 0)      # 绿色矩形
+        DEBUG_POINT_COLOR = (0, 0, 255)    # 红色点击点
         DEBUG_BOX_THICKNESS = 3
         
-        # if not DRAW_DEBUG_BOXES: # 暂时强制开启以方便调试
-        #     return image_path
-            
         img = read_image(image_path)
         if img is None:
             return image_path
             
-        for p in points:
-            if len(p) == 4:
-                cv2.rectangle(img, (int(p[0]), int(p[1])), (int(p[2]), int(p[3])), DEBUG_BOX_COLOR, DEBUG_BOX_THICKNESS)
-            elif len(p) == 2:
-                center = (int(p[0]), int(p[1]))
-                cv2.circle(img, center, 10, DEBUG_BOX_COLOR, -1)
-                
-        save_path = output_path if output_path else image_path
-        save_image(save_path, img)
-        return save_path
+        # 1. 先绘制矩形框 (VL 版)
+        vl_img = img.copy()
+        if bboxes:
+            for box in bboxes:
+                if len(box) == 4:
+                    cv2.rectangle(vl_img, (int(box[0]), int(box[1])), (int(box[2]), int(box[3])), DEBUG_BOX_COLOR, DEBUG_BOX_THICKNESS)
+        
+        vl_path = image_path.replace(".jpg", "_vl.jpg")
+        save_image(vl_path, vl_img)
+        
+        # 2. 在 VL 版基础上绘制点击点 (Flag 版)
+        flag_img = vl_img.copy()
+        if click_points:
+            for p in click_points:
+                if len(p) == 2:
+                    center = (int(p[0]), int(p[1]))
+                    # 绘制一个实心圆和中心点
+                    cv2.circle(flag_img, center, 12, DEBUG_POINT_COLOR, -1)
+                    cv2.circle(flag_img, center, 2, (255, 255, 255), -1)
+                    
+        flag_path = image_path.replace(".jpg", "_flag.jpg")
+        save_image(flag_path, flag_img)
+        
+        return vl_path, flag_path
     except Exception as e:
-        logger.error(f"绘制矩形框失败: {e}")
-        return image_path
+        logger.error(f"绘制诊断图片失败: {e}")
+        return image_path, image_path
 
 def clear_temp_dir(save_dir=None):
     """清空临时目录中的所有文件"""

Apps/TeLaiDian/ReadImageKit.py

@@ -43,6 +43,20 @@ class ReadImageKit:
             res_text = await self.vlm.analyze_image(image_path, prompt)
             json_str = self.vlm.extract_json(res_text)
             data = json.loads(json_str)
+            
+            # 保存诊断图片
+            if data.get("found") and data.get("point"):
+                p = data["point"]
+                # 转换坐标
+                img = read_image(image_path)
+                if img is not None:
+                    h, w = img.shape[:2]
+                    actual_p = [int(p[0] * w / 1000), int(p[1] * h / 1000)]
+                    # 生成虚拟 bbox
+                    bbox = [actual_p[0]-50, actual_p[1]-30, actual_p[0]+50, actual_p[1]+30]
+                    draw_rectangles(image_path, bboxes=[bbox], click_points=[actual_p])
+                    logger.info(f"已生成价格入口诊断图片: {image_path.replace('.jpg', '_vl.jpg')}")
+            
             return data
         except Exception as e:
             logger.error(f"VLM 寻找价格入口失败: {e}")
@@ -56,6 +70,10 @@ class ReadImageKit:
         分析这张截图，判断是否存在弹窗广告或遮罩层。
         如果存在，请找到关闭按钮（通常是圆圈里的 X，或者写着“跳过”、“关闭”的按钮）。
         
+        **重要警告**：
+        1. 严禁选择屏幕最右上角的按钮（微信小程序的“胶囊按钮”，包含三个点和圆圈）。
+        2. 广告关闭按钮通常在弹窗的边缘，或者是页面中心大弹窗的某个角落。
+        
         输出格式为 JSON：
         {
             "has_ad": true/false,
@@ -67,11 +85,52 @@ class ReadImageKit:
             res_text = await self.vlm.analyze_image(image_path, prompt)
             json_str = self.vlm.extract_json(res_text)
             data = json.loads(json_str)
+            
+            # 保存诊断图片
+            if data.get("has_ad") and data.get("close_point"):
+                p = data["close_point"]
+                # 转换坐标
+                img = read_image(image_path)
+                if img is not None:
+                    h, w = img.shape[:2]
+                    actual_p = [int(p[0] * w / 1000), int(p[1] * h / 1000)]
+                    # 生成虚拟 bbox
+                    bbox = [actual_p[0]-50, actual_p[1]-30, actual_p[0]+50, actual_p[1]+30]
+                    draw_rectangles(image_path, bboxes=[bbox], click_points=[actual_p])
+                    logger.info(f"已生成广告关闭诊断图片: {image_path.replace('.jpg', '_vl.jpg')}")
+            
             return data
         except Exception as e:
             logger.error(f"VLM 寻找关闭按钮失败: {e}")
             return {"has_ad": False}
 
+    async def check_wrong_page_vlm(self, image_path):
+        """
+        检查是否误触进入了错误的页面（如：新人福利、我的卡券、活动页等）
+        """
+        prompt = """
+        分析这张截图，判断这是否是一个真实的“充电站详情页”。
+        
+        **识别准则**：
+        1. 真正的“详情页”必须包含：充电站的具体名称、电价列表、终端状态（空闲/占用）等信息。
+        2. 如果页面标题是“新人福利专区”、“活动规则”、“我的卡券”、“领券中心”或类似的营销活动页，则判定为错误页面。
+        
+        输出格式为 JSON：
+        {
+            "is_detail_page": true/false,
+            "page_type": "detail" / "marketing" / "coupons" / "other",
+            "reason": "判断依据"
+        }
+        """
+        try:
+            res_text = await self.vlm.analyze_image(image_path, prompt)
+            json_str = self.vlm.extract_json(res_text)
+            data = json.loads(json_str)
+            return data
+        except Exception as e:
+            logger.error(f"VLM 检查页面类型失败: {e}")
+            return {"is_detail_page": True} # 默认认为是详情页，避免死循环
+
     async def analyze_detail_price(self, image_path):
         """
         分析详情页截图，提取电价信息，包括优惠价、PLUS价和挂牌价
@@ -175,7 +234,7 @@ class ReadImageKit:
         cv_bboxes = detect_cards_cv(image_path, top_ratio=SAFE_EXCLUDE_RATIO, bottom_ratio=BOTTOM_SAFE_EXCLUDE_RATIO)
         
         if cv_bboxes:
-            draw_rectangles(image_path, cv_bboxes)
+            draw_rectangles(image_path, bboxes=cv_bboxes)
             prompt = f"""
             图片中已经用绿色矩形框标记了 {len(cv_bboxes)} 个可能的充电站卡片。
             请按从上到下的顺序，识别每个绿色框内的场站信息。
@@ -237,13 +296,33 @@ class ReadImageKit:
                         
                         # 2. 坐标安全过滤：忽略页面上半部分的误点击（通常是 Logo 或广告）
                         # 即使 VLM 没听话，我们也在这里硬性过滤
-                        y_threshold = h * 0.4 if h > 0 else 800
+                        # 根据主屏幕截图，顶部广告区和功能图标区占用了约 55% 的空间
+                        y_threshold = h * 0.58 if h > 0 else 1400
                         if actual_p[1] < y_threshold:
                             logger.warning(f"过滤掉可能的误点击点 (y={actual_p[1]} < {y_threshold}): {res.get('name')}")
                             continue
                             
                         res["point"] = actual_p
                     final_stations.append(res)
+            
+            # 保存诊断图片 (_vl.jpg, _flag.jpg)
+            if final_stations:
+                debug_bboxes = []
+                debug_points = []
+                for s in final_stations:
+                    if s.get("bbox"):
+                        debug_bboxes.append(s["bbox"])
+                    if s.get("point"):
+                        debug_points.append(s["point"])
+                
+                # 如果没有 bbox，根据 point 生成一个虚拟 bbox 供可视化
+                if not debug_bboxes and debug_points:
+                    for p in debug_points:
+                        debug_bboxes.append([p[0]-50, p[1]-30, p[0]+50, p[1]+30])
+                
+                if debug_bboxes or debug_points:
+                    draw_rectangles(image_path, bboxes=debug_bboxes, click_points=debug_points)
+                    logger.info(f"已生成诊断图片: {image_path.replace('.jpg', '_vl.jpg')} 和 _flag.jpg")
                 
             return final_stations
         except Exception as e: