huanghai/aiData
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

'commit'

Browse Source
This commit is contained in:
HuangHai
2026-01-28 16:34:52 +08:00
parent d2fc0cd7c7
commit 4d8a4801b8
24 changed files with 202 additions and 535 deletions
Download Patch File Download Diff File Expand all files Collapse all files

217
WeiXin/WxUtil.py
View File

@@ -40,9 +40,16 @@ def parse_wechat_time(time_str):
支持: "10:03", "昨天 10:03", "星期三 10:03", "2025年1月1日 10:03"
"""
try:
clean_str = time_str.strip()
# 0. 预处理：过滤纯数字（防止电话号码被误识别为时间）
# 微信时间戳通常包含中文或冒号，单纯的数字串（如 "18686619970"）不是有效时间
if re.match(r'^\d+$', clean_str):
logger.warning(f"忽略疑似电话号码/纯数字的时间字符串: '{clean_str}'")
return ""
now = datetime.now()
today = now.date()
clean_str = time_str.strip()
# 1. HH:mm (当天)
# 注意：有时候 OCR 会把冒号识别成其他字符，这里假设是标准的 HH:mm
@@ -130,10 +137,11 @@ def parse_wechat_time(time_str):
dt = datetime.combine(today, datetime.min.time().replace(hour=h, minute=m))
return dt.strftime("%Y-%m-%d %H:%M")
return clean_str # 解析失败，返回原串
# 解析失败，返回空字符串，避免将无关文本（如电话号码）误认为时间注入到上下文中
return ""
except Exception as e:
logger.warning(f"时间解析失败 '{time_str}': {e}")
return time_str
return ""
def get_next_debug_path(desc="step"):
"""获取下一个顺序命名的调试图片路径 (debug_N_desc.jpg)"""
@@ -305,6 +313,11 @@ def _detect_bubble_color(img, bbox):
# 且亮度不能太低 (太低可能是黑色背景或深色物体)
if g > 150:
return "white"
# 特殊补丁：如果 B, G, R 都很接近且在 130 左右，可能是微信的背景灰 (通常用于时间戳或系统消息)
if 110 < r < 160 and 110 < g < 160 and 110 < b < 160:
if abs(r - g) < 15 and abs(g - b) < 15:
return "system_gray"
return "unknown"
@@ -359,7 +372,7 @@ def _scan_chat_messages(image_path):
# 微信菜单关键字（用于排除干扰）
MENU_KEYWORDS = ["听筒播放", "收藏", "背景播放", "删除", "多选", "取消转文字", "转文字", "引用", "提醒"]
# 忽略的系统消息内容
IGNORE_CONTENT = ["撤回了一条消息", "打招呼的消息", "拍了拍", "你撤回了一条消息", "引用", "Clear Text", "Switch IME", "Done"]
IGNORE_CONTENT = ["撤回了一条消息", "打招呼的消息", "拍了拍", "你撤回了一条消息", "引用", "Clear Text", "Switch IME", "Done", "按住说话", "发送"]
# 5. 整合所有消息
messages = []
@@ -367,9 +380,9 @@ def _scan_chat_messages(image_path):
# 绘制过滤区域边界 (可视化)
cv2.line(debug_img, (0, 150), (w, 150), (255, 0, 255), 2) # 顶部线
cv2.line(debug_img, (0, h - 100), (w, h - 100), (255, 0, 255), 2) # 底部线
cv2.line(debug_img, (0, h - 60), (w, h - 60), (255, 0, 255), 2) # 底部线 (放宽到底部 60px)
cv2.putText(debug_img, "TOP_FILTER", (10, 140), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 0, 255), 1)
cv2.putText(debug_img, "BOTTOM_FILTER", (10, h - 110), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 0, 255), 1)
cv2.putText(debug_img, "BOTTOM_FILTER", (10, h - 70), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 0, 255), 1)
claimed_ocr_indices = set()
@@ -379,7 +392,7 @@ def _scan_chat_messages(image_path):
cv2.circle(debug_img, (ax, ay), 10, (255, 255, 0), -1)
# 过滤掉顶部和底部的非聊天区域
if ay < 150 or ay > h - 100:
if ay < 150 or ay > h - 60:
logger.info(f"忽略区域外语音图标: ({ax}, {ay})")
cv2.rectangle(debug_img, (ax-35, ay-35), (ax+35, ay+35), (128, 128, 128), 1)
cv2.putText(debug_img, "FILTERED", (ax - 40, ay - 45), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (128, 128, 128), 1)
@@ -416,25 +429,32 @@ def _scan_chat_messages(image_path):
if voice_is_left:
# 语音在左 (对方): 文本必须也是左对齐
# - min_x 必须靠左 (< 300)
# - min_x 必须靠左 (< 450) [Fix] 放宽阈值，防止长文本或缩进文本被过滤
# - max_x 不能太靠右 (> w - 150)，否则可能是"我"的消息
if min_x > 300 or max_x > w - 150:
if min_x > 450 or max_x > w - 150:
logger.debug(f"忽略文本 '{text[:10]}' (Left Voice): min_x={min_x}, max_x={max_x} 不满足左对齐条件")
continue
else:
# 语音在右 (我): 文本必须也是右对齐
# - max_x 必须靠右 (> w - 300)
# - min_x 不能太靠左 (< 100)
if max_x < w - 300 or min_x < 100:
logger.debug(f"忽略文本 '{text[:10]}' (Right Voice): min_x={min_x}, max_x={max_x} 不满足右对齐条件")
continue
if -50 < c_y - ay < 800 and abs(c_x - ax) < 500:
# [Fix] 放宽 X 轴判定范围 (500 -> 600) 以适应更宽的文本
if -50 < c_y - ay < 800 and abs(c_x - ax) < 600:
# 检查中间是否有其他语音图标
has_intermediate_audio = False
for other_ax, other_ay in audio_matches:
# 只有当中间的语音图标在 [150, h-60] 的有效聊天区域内时，才视为阻断
if ay + 20 < other_ay < c_y - 10:
has_intermediate_audio = True
logger.info(f"语音({ax},{ay}) 被中间语音图标({other_ax},{other_ay}) 阻断，无法关联文本 '{text[:10]}...'")
break
if 150 <= other_ay <= h - 60:
has_intermediate_audio = True
logger.info(f"语音({ax},{ay}) 被中间有效区域内的语音图标({other_ax},{other_ay}) 阻断，无法关联文本 '{text[:10]}...'")
break
else:
logger.info(f"语音({ax},{ay}) 忽略非聊天区域(Y={other_ay})的语音图标阻断")
if has_intermediate_audio:
continue
@@ -532,7 +552,7 @@ def _scan_chat_messages(image_path):
c_x = int((bbox[0][0] + bbox[2][0]) / 2)
c_y = int((bbox[0][1] + bbox[2][1]) / 2)
if c_y < 150 or c_y > h - 100:
if c_y < 150 or c_y > h - 60:
continue
# 判定发送者 (增强版: 几何 + 颜色)
@@ -544,6 +564,9 @@ def _scan_chat_messages(image_path):
sender = "我"
elif sender_color == "white":
sender = "对方"
elif sender_color == "system_gray":
# 灰底文字通常是时间戳或系统消息，由系统发送，几何上居中
sender = "system"
# 2. 几何特征强制修正 (Double Check)
# 假设头像+边距约占 15% 宽度
@@ -561,12 +584,15 @@ def _scan_chat_messages(image_path):
# 规则 B: 如果这一行极其靠左 (小于 35% 宽度)，且不靠右，那肯定是"对方"
# 扩大判定范围，防止因为 OCR 稍微缩进导致判定失效
# 注意：如果颜色明确为"我"（绿色），则跳过此规则，因为"我"的长消息也可能靠左
elif min_x < w * 0.35 and max_x < w * 0.85:
elif min_x < w * 0.35 and max_x < w * 0.75: # 修正：max_x 阈值从 0.85 降低到 0.75
if sender == "我":
logger.info(f"Geometry says '对方' (min_x={min_x} < {w*0.35}) but Color is '我' (Green). Trusting Color.")
elif sender == "system":
# 即使颜色是系统灰，但如果位置极其靠左，也可能是对方的某种特殊气泡
pass
else:
sender = "对方"
# 规则 C: 如果颜色是 unknown，且不在极端位置，使用中心点兜底
if sender == "unknown":
c_x = int((min_x + max_x) / 2)
@@ -584,6 +610,9 @@ def _scan_chat_messages(image_path):
# [Fix] 如果颜色明确是绿色，说明是"我"的左对齐文本(长文换行)，不应被几何规则强制改为"对方"
if sender == "我" and sender_color == "green":
logger.info(f"Geometry says '对方' (center={c_x} < {w*0.45}) but Color is 'green'. Keeping '我'.")
elif sender == "system":
# 系统消息允许居中或偏左
pass
else:
if sender == "我":
logger.warning(f"Sender detected as '我' by color but center is left ({c_x} < {w*0.45}). Correcting to '对方'.")
@@ -592,7 +621,10 @@ def _scan_chat_messages(image_path):
elif c_x > w * 0.55:
if sender == "对方":
logger.warning(f"Sender detected as '对方' by color but center is right ({c_x} > {w*0.55}). Correcting to '我'.")
sender = "我"
elif sender == "system":
pass
else:
sender = "我"
else:
logger.info(f"Message in middle zone ({w*0.45} < {c_x} < {w*0.55}), trusting color detection: {sender}")
else:
@@ -665,10 +697,12 @@ def _scan_chat_messages(image_path):
return final_messages_with_time, debug_img, chat_title
async def analyze_chat_image(image_path, output_path, device=None, target_name="对方", process_strategy="ALL"):
async def analyze_chat_image(image_path, output_path, device=None, target_name="对方", process_strategy="ALL", restore_processed_voice=True):
"""
全面采用 CV + OCR 识别微信聊天截图中的最后一条消息
:param process_strategy: 语音处理策略 (ALL/UNREAD/LAST)
:param restore_processed_voice: 是否在转文字后还原（隐藏文字）。默认为 True。
设为 False 可防止最后一条消息在无内容时陷入"转文字->还原->空内容"的死循环。
注意：此函数现在包含一个循环，如果发现需要转文字的语音，会逐个处理并重新截图。
"""
try:
@@ -799,21 +833,39 @@ async def analyze_chat_image(image_path, output_path, device=None, target_name="
# 1. 截图 (但不立即 OCR，而是丢给异步任务)
peek_shot = get_next_debug_path("step_peek_content")
d.screenshot(peek_shot)
logger.info("已截图，启动异步OCR任务以提取内容...")
logger.info(f"已截图 {peek_shot}，启动异步OCR任务以提取内容...")
async def _async_ocr_task(img_path, target_y):
"""内部异步任务：在线程池中运行 OCR"""
loop = asyncio.get_running_loop()
# 在默认执行器(线程池)中运行耗时的 _scan_chat_messages
msgs, _, _ = await loop.run_in_executor(None, _scan_chat_messages, img_path)
found = None
for pm in msgs:
if pm['type'] == 'voice' and pm.get('is_converted'):
if abs(pm['y'] - target_y) < 50:
found = pm.get('content')
break
return target_y, found
try:
loop = asyncio.get_running_loop()
# 在默认执行器(线程池)中运行耗时的 _scan_chat_messages
logger.info(f"🚀 [Async OCR] 开始分析截图 {os.path.basename(img_path)} (目标 Y={target_y})")
msgs, _, _ = await loop.run_in_executor(None, _scan_chat_messages, img_path)
found = None
# 收集所有可能是该语音消息转换出的文本
all_found_texts = []
for pm in msgs:
if pm['type'] == 'voice' and pm.get('is_converted'):
# 容差稍微放大，因为转文字展开后 Y 坐标会变
if abs(pm['y'] - target_y) < 150: # 进一步放宽容差
content = pm.get('content', '').strip()
if content:
all_found_texts.append((pm['y'], content))
if all_found_texts:
# 按 Y 轴排序，确保多行文本顺序正确
all_found_texts.sort(key=lambda x: x[0])
found = " ".join([t[1] for t in all_found_texts])
logger.info(f"✨ [Async OCR] 在 Y={target_y} 附近找到转换文字: {found}")
if not found:
logger.warning(f"⚠️ [Async OCR] 未能在 Y={target_y} 附近找到已转换文字")
return target_y, found
except Exception as e:
logger.error(f"❌ [Async OCR] 任务执行失败: {e}")
return target_y, None
# 创建并保存任务
task = asyncio.create_task(_async_ocr_task(peek_shot, vy))
@@ -822,44 +874,61 @@ async def analyze_chat_image(image_path, output_path, device=None, target_name="
analyze_chat_image._ocr_tasks = []
analyze_chat_image._ocr_tasks.append(task)
# 2. 立即还原状态 (取消转文字)
# 2. 还原状态 (取消转文字)
# 注意：由于 OCR 还没出结果，我们无法精确定位展开后的文字位置
# 但通常点击原语音气泡位置 (vx, vy) 也能触发菜单
logger.info("准备还原状态 (取消转文字)...")
d.long_click(vx, vy, 1.0) # 盲点原坐标
logger.info("正在快速寻找'隐藏文字'按钮...")
cancel_template = os.path.join(TEMPLATE_DIR, "cancel_zhuan_wen_zi.jpg")
cancel_btn = None
poll_start = time.time()
while time.time() - poll_start < 3.0:
restore_menu_shot = get_next_debug_path("step_restore_poll")
d.screenshot(restore_menu_shot)
cancel_btn = find_template_match(restore_menu_shot, cancel_template, threshold=0.7)
if restore_processed_voice:
logger.info("准备还原状态 (取消转文字)...")
d.long_click(vx, vy, 1.0) # 盲点原坐标
logger.info("正在快速寻找'隐藏文字'按钮...")
cancel_template = os.path.join(TEMPLATE_DIR, "cancel_zhuan_wen_zi.jpg")
cancel_btn = None
poll_start = time.time()
while time.time() - poll_start < 3.0:
restore_menu_shot = get_next_debug_path("step_restore_poll")
d.screenshot(restore_menu_shot)
cancel_btn = find_template_match(restore_menu_shot, cancel_template, threshold=0.7)
if cancel_btn:
break
time.sleep(0.2)
if cancel_btn:
cx, cy = int(cancel_btn[0]), int(cancel_btn[1])
logger.info(f"✅ 找到'隐藏文字'按钮: ({cx}, {cy})，点击还原...")
safe_device_click(d, cx, cy)
convert_closed_count += 1
time.sleep(2.0) # 等待收起动画
else:
logger.warning("❌ 未找到'隐藏文字'按钮，无法还原状态！(后续可能导致重复处理)")
# 3. 准备下一次循环
if len(target_voices) == 1:
logger.info("✅ 当前屏幕所有目标语音已处理完毕，无需再次全屏扫描。")
final_messages = messages # 使用本轮初始扫描的消息列表
break
time.sleep(0.2)
if cancel_btn:
cx, cy = int(cancel_btn[0]), int(cancel_btn[1])
logger.info(f"✅ 找到'隐藏文字'按钮: ({cx}, {cy})，点击还原...")
safe_device_click(d, cx, cy)
convert_closed_count += 1
time.sleep(2.0) # 等待收起动画
# 重新截图，因为界面可能微调，或者只是恢复了
next_screenshot = get_next_debug_path("step_restored")
d.screenshot(next_screenshot)
current_image_path = next_screenshot
current_output_path = get_next_debug_path("flag_restored")
continue
else:
logger.warning("❌ 未找到'隐藏文字'按钮，无法还原状态！(后续可能导致重复处理)")
# 3. 准备下一次循环
# 重新截图，因为界面可能微调，或者只是恢复了
next_screenshot = get_next_debug_path("step_restored")
d.screenshot(next_screenshot)
current_image_path = next_screenshot
current_output_path = get_next_debug_path("flag_restored")
continue
logger.info("⏩ [配置] 跳过还原状态步骤 (保持文字展开)。")
# 即使不还原，我们也不建议继续处理下一条，因为界面已经大幅变动（展开了文字）。
# 除非我们重新截图并重新定位。
# 但在这里，如果 restore_processed_voice=False，通常意味着我们只关心最后一条（LAST策略），或者我们接受界面变动。
# 为了安全起见，如果不还原，我们最好终止循环（假设只处理这一条，或者下一轮主循环再处理其他的）
# 否则后续的 target_voices 坐标全都不准了。
logger.info("🛑 因不还原状态，终止本轮多语音处理循环，等待下一次主监控循环。")
final_messages = messages # 这里的 messages 其实是展开前的，但没关系，我们的内容通过 captured_voice_contents 注入
break
else:
logger.warning("❌ 未找到'转文字'按钮，可能是已转换或误判")
@@ -887,12 +956,13 @@ async def analyze_chat_image(image_path, output_path, device=None, target_name="
if captured_voice_contents:
logger.info(f"正在注入 {len(captured_voice_contents)} 条已还原的语音内容...")
for m in final_messages:
if m['type'] == 'voice' and not m.get('content'):
if m['type'] == 'voice' and (not m.get('content') or m.get('content').strip() == ""):
for py, content in captured_voice_contents.items():
if abs(m['y'] - py) < 30: # 匹配原始 Y 坐标
# 注入时的容差也要放大，因为 final_messages 的 Y 可能和点击时的 vy 略有差异
if abs(m['y'] - py) < 100:
m['content'] = content
m['is_converted'] = True # 标记为逻辑上已转换
logger.info(f" -> 注入内容: {content[:10]}...")
logger.info(f" -> 注入内容到 Y={m['y']} (原 py={py}): {content[:20]}...")
break
# 构造返回值
@@ -931,15 +1001,16 @@ async def analyze_chat_image(image_path, output_path, device=None, target_name="
# 尝试注入异步获取的语音内容
if msg['type'] == 'voice':
# 模糊匹配 Y 坐标 (增大容差到 100，应对界面滚动)
for y_key, content in captured_voice_contents.items():
if abs(msg['y'] - y_key) < 100:
msg['is_converted'] = True
msg['content'] = content
logger.info(f"注入语音内容到最终消息列表: {content}")
break
# 优先检查 content 是否为空或为 placeholder
if not msg.get('content') or msg.get('content').strip() == "":
for y_key, content in captured_voice_contents.items():
if abs(msg['y'] - y_key) < 100:
msg['is_converted'] = True
msg['content'] = content
logger.info(f"✅ [注入] 成功将异步语音内容 '{content}' 注入到 Y={msg['y']} 的消息中")
break
# 无论是否有内容，都加入 dialogue_log
# 如果是语音且没内容，T2 会有兜底逻辑去处理
if msg['type'] == 'text':
if msg.get('content'): # 文本消息没内容通常是识别错误，可以丢弃
dialogue_log.append(msg)