'commit'

Test/T1_StartWeiXin.py

@@ -0,0 +1,215 @@
+# coding=utf-8
+import uiautomator2 as u2
+import time
+import logging
+import sys
+import os
+import cv2
+import numpy as np
+
+# 配置日志
+logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(name)s - %(levelname)s - %(message)s')
+logger = logging.getLogger("TestWeChat")
+
+def analyze_chat_image(image_path, output_path):
+    """
+    识别微信聊天截图中的头像并画框
+    """
+    logger.info(f"正在分析图片: {image_path}")
+    
+    # 读取图片
+    # 注意：cv2.imread 不支持中文路径，需要用 np.fromfile 读取
+    try:
+        img_data = np.fromfile(image_path, dtype=np.uint8)
+        img = cv2.imdecode(img_data, cv2.IMREAD_COLOR)
+    except Exception as e:
+        logger.error(f"读取图片失败: {e}")
+        return
+
+    if img is None:
+        logger.error("图片读取为空")
+        return
+
+    height, width = img.shape[:2]
+    logger.info(f"图片尺寸: {width}x{height}")
+
+    # 1. 预处理
+    # 转为灰度图
+    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
+    
+    # 使用自适应阈值二值化
+    thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
+                                   cv2.THRESH_BINARY_INV, 11, 2)
+    
+    # 形态学操作：闭运算，填充内部空洞
+    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
+    closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)
+    
+    # 2. 轮廓查找
+    contours, _ = cv2.findContours(closed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
+    logger.info(f"检测到轮廓数量: {len(contours)}")
+    
+    avatar_count = 0
+    
+    # 3. 筛选轮廓
+    for contour in contours:
+        # 获取外接矩形
+        x, y, w, h = cv2.boundingRect(contour)
+        
+        # 筛选条件优化：
+        # 1. 形状接近正方形 (放宽宽高比限制: 0.8 ~ 1.2)
+        aspect_ratio = float(w) / h
+        
+        # 2. 尺寸适中
+        # 假设头像宽度在屏幕宽度的 6% 到 15% 之间
+        min_w = width * 0.06
+        max_w = width * 0.15
+        
+        # 3. 位置筛选
+        # 排除底部输入框区域 (假设底部 10% 为输入区域)
+        if y > height * 0.9:
+            continue
+
+        # 左侧头像：靠左边 (x < width * 0.18)
+        # 右侧头像：靠右边 (x > width * 0.82)
+        is_left = x < width * 0.18
+        is_right = x > width * 0.82
+        
+        if 0.8 <= aspect_ratio <= 1.2 and min_w < w < max_w:
+            if is_left or is_right:
+                # 确定颜色
+                # 左侧：蓝色 (BGR: 255, 0, 0)
+                # 右侧：黄色 (BGR: 0, 255, 255)
+                color = (255, 0, 0) if is_left else (0, 255, 255)
+                
+                # 绘制矩形框，线宽为 3
+                cv2.rectangle(img, (x, y), (x + w, y + h), color, 3)
+                
+                label = "Left" if is_left else "Right"
+                avatar_count += 1
+                logger.info(f"找到头像: 位置=({x},{y}), 尺寸={w}x{h}, 侧别={label}")
+
+    logger.info(f"共标记了 {avatar_count} 个头像")
+
+    # 4. 保存结果
+    try:
+        # cv2.imwrite 不支持中文路径，使用 imencode + tofile
+        ext = os.path.splitext(output_path)[1]
+        cv2.imencode(ext, img)[1].tofile(output_path)
+        logger.info(f"✅ 分析结果已保存至: {output_path}")
+    except Exception as e:
+        logger.error(f"保存分析图片失败: {e}")
+
+def main():
+    logger.info("开始执行微信搜索测试...")
+    
+    # 连接设备
+    try:
+        d = u2.connect()
+        logger.info(f"设备连接成功: {d.info.get('serial')}")
+    except Exception as e:
+        logger.error(f"设备连接失败: {e}")
+        return
+
+    # 1. 启动微信
+    logger.info("步骤 1: 启动微信...")
+    d.app_start("com.tencent.mm", stop=True)
+    # 等待微信启动完成
+    time.sleep(5)
+
+    # 获取屏幕尺寸
+    w, h = d.window_size()
+    logger.info(f"屏幕尺寸: {w}x{h}")
+
+    # 2. 点击搜索按钮 (参考 Opener.py 的坐标比例: w * 0.84, h * 0.08)
+    search_x = int(w * 0.84)
+    search_y = int(h * 0.08)
+    logger.info(f"步骤 2: 点击搜索按钮 (坐标: {search_x}, {search_y})...")
+    d.click(search_x, search_y)
+    time.sleep(2)
+
+    # 3. 输入 "糖豆爸爸"
+    target_name = "糖豆爸爸"
+    logger.info(f"步骤 3: 输入搜索内容 '{target_name}'...")
+    
+    try:
+        # 启用 FastInputIME 以支持中文输入
+        d.set_input_ime(True)
+        
+        # 点击搜索框获取焦点 (参考 Opener.py: w * 0.4, h * 0.08)
+        d.click(int(w * 0.4), int(h * 0.08))
+        time.sleep(1)
+        
+        # 输入文字
+        d.send_keys(target_name)
+        time.sleep(2)
+        
+        # 恢复输入法
+        d.set_input_ime(False)
+    except Exception as e:
+        logger.error(f"输入文字失败: {e}")
+        try:
+            d(focused=True).set_text(target_name)
+        except:
+            pass
+
+    # 4. 点击搜索结果
+    logger.info("步骤 4: 查找并点击搜索结果...")
+    time.sleep(2)
+    
+    found = False
+    
+    # 策略 A: 精确匹配文本
+    if d(text=target_name).exists:
+        logger.info(f"找到文本为 '{target_name}' 的元素，点击...")
+        d(text=target_name).click()
+        found = True
+    else:
+        logger.warning(f"未找到文本为 '{target_name}' 的元素，尝试模糊匹配或坐标点击...")
+        
+        # 策略 B: 坐标点击 (参考 Opener.py 点击第一个结果: w * 0.5, h * 0.18)
+        result_x = int(w * 0.5)
+        result_y = int(h * 0.18)
+        logger.info(f"尝试点击第一个搜索结果位置 ({result_x}, {result_y})...")
+        d.click(result_x, result_y)
+        found = True
+
+    if found:
+        logger.info("✅ 已执行点击操作，应该已进入对话框。")
+        
+        # 5. 截图保存结果
+        logger.info("步骤 5: 截图并分析...")
+        # 等待界面加载稳定
+        time.sleep(3)
+        
+        # 创建截图目录
+        screenshot_dir = os.path.join(os.path.dirname(os.path.abspath(__file__)), "Screenshots")
+        if not os.path.exists(screenshot_dir):
+            os.makedirs(screenshot_dir)
+        
+        # 生成文件名
+        timestamp = time.strftime("%Y%m%d_%H%M%S")
+        filename = f"chat_result_{timestamp}.jpg"
+        save_path = os.path.join(screenshot_dir, filename)
+        
+        try:
+            d.screenshot(save_path)
+            logger.info(f"✅ 原始截图已保存: {save_path}")
+            
+            # 6. 分析截图并标记头像
+            logger.info("步骤 6: 自动标记头像...")
+            analyzed_filename = f"chat_result_{timestamp}_analyzed.jpg"
+            analyzed_path = os.path.join(screenshot_dir, analyzed_filename)
+            
+            analyze_chat_image(save_path, analyzed_path)
+            
+        except Exception as e:
+            logger.error(f"❌ 截图或分析失败: {e}")
+            
+    else:
+        logger.error("❌ 未能定位到搜索结果，跳过截图。")
+
+    logger.info("测试结束。")
+
+if __name__ == "__main__":
+    main()

Test/analyze_chat_avatars.py

@@ -0,0 +1,153 @@
+# coding=utf-8
+import cv2
+import numpy as np
+import os
+
+def analyze_chat_image(image_path, output_path):
+    print(f"正在读取图片: {image_path}")
+    
+    # 读取图片
+    # 注意：cv2.imread 不支持中文路径，需要用 np.fromfile 读取
+    try:
+        img_data = np.fromfile(image_path, dtype=np.uint8)
+        img = cv2.imdecode(img_data, cv2.IMREAD_COLOR)
+    except Exception as e:
+        print(f"读取图片失败: {e}")
+        return
+
+    if img is None:
+        print("图片读取为空")
+        return
+
+    height, width = img.shape[:2]
+    print(f"图片尺寸: {width}x{height}")
+
+    # 1. 预处理
+    # 转为灰度图
+    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
+    
+    # 使用自适应阈值二值化
+    thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
+                                   cv2.THRESH_BINARY_INV, 11, 2)
+    
+    # 形态学操作：闭运算，填充内部空洞
+    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
+    closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)
+    
+    # 2. 轮廓查找
+    contours, _ = cv2.findContours(closed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
+    
+    print(f"检测到轮廓数量: {len(contours)}")
+    
+    # 收集所有符合条件的头像
+    avatars = []
+    
+    # 3. 筛选轮廓
+    for contour in contours:
+        # 获取外接矩形
+        x, y, w, h = cv2.boundingRect(contour)
+        
+        # 筛选条件优化：
+        # 1. 形状接近正方形 (放宽宽高比限制: 0.8 ~ 1.2)
+        aspect_ratio = float(w) / h
+        
+        # 2. 尺寸适中
+        # 假设头像宽度在屏幕宽度的 6% 到 15% 之间
+        min_w = width * 0.06
+        max_w = width * 0.15
+        
+        # 3. 位置筛选
+        # 排除底部输入框区域 (假设底部 10% 为输入区域)
+        if y > height * 0.9:
+            continue
+
+        # 左侧头像：靠左边 (x < width * 0.18)
+        # 右侧头像：靠右边 (x > width * 0.82)
+        is_left = x < width * 0.18
+        is_right = x > width * 0.82
+        
+        if 0.8 <= aspect_ratio <= 1.2 and min_w < w < max_w:
+            if is_left or is_right:
+                side = "Left" if is_left else "Right"
+                avatars.append({
+                    'x': x, 'y': y, 'w': w, 'h': h,
+                    'side': side
+                })
+
+    # 按 y 坐标排序
+    avatars.sort(key=lambda a: a['y'])
+    
+    print(f"找到有效头像数量: {len(avatars)}")
+
+    # 4. 绘制对话内容框 (Green/Red Boxes)
+    # 策略：按顺序遍历头像，如果发现同侧连续，则视为一组。
+    # 从当前组的第一个头像上方开始，直到下一个不同侧的头像上方（或底部）。
+    
+    if avatars:
+        i = 0
+        while i < len(avatars):
+            current_group_start = i
+            current_side = avatars[i]['side']
+            
+            # 找到当前组的结束位置 (即下一个不同侧头像的索引)
+            j = i + 1
+            while j < len(avatars) and avatars[j]['side'] == current_side:
+                j += 1
+            
+            # 当前组范围: avatars[i] ... avatars[j-1]
+            # 确定绘制区域的 Y 轴范围
+            
+            # Start Y: 当前组第一个头像的上方 (例如 -10px)
+            start_y = max(0, avatars[i]['y'] - 10)
+            
+            # End Y: 下一组第一个头像的上方 (减去较大间距，例如 -30px)，或者当前组最后一个头像的底部加上边距
+            # 为了让框之间有明显间隔，我们采取策略：
+            # 如果有下一组，End Y = 下一组第一个头像的 y - 30 (留出间隙)
+            # 如果没有下一组，End Y = 屏幕底部区域上方
+            
+            if j < len(avatars):
+                end_y = max(start_y + 10, avatars[j]['y'] - 30)
+            else:
+                end_y = int(height * 0.9) # 到底部输入框上方
+            
+            # 绘制大框
+            # 左侧 (Left) -> 对方 -> 绿色 (0, 255, 0)
+            # 右侧 (Right) -> 我 -> 红色 (0, 0, 255)
+            # 注意 OpenCV 颜色是 BGR
+            box_color = (0, 255, 0) if current_side == "Left" else (0, 0, 255)
+            
+            # 绘制矩形 (空心，线宽 5)
+            # X 轴范围：0 到 width
+            cv2.rectangle(img, (0, start_y), (width, end_y), box_color, 5)
+            
+            print(f"绘制内容框: 侧别={current_side}, 范围 Y={start_y} to {end_y}")
+            
+            # 移动到下一组
+            i = j
+
+    # 5. 绘制头像框 (Blue/Yellow Boxes) - 画在内容框之上
+    for av in avatars:
+        x, y, w, h = av['x'], av['y'], av['w'], av['h']
+        # 左侧：蓝色 (BGR: 255, 0, 0)
+        # 右侧：黄色 (BGR: 0, 255, 255)
+        color = (255, 0, 0) if av['side'] == "Left" else (0, 255, 255)
+        
+        cv2.rectangle(img, (x, y), (x + w, y + h), color, 10)
+        print(f"绘制头像: 位置=({x},{y}), 侧别={av['side']}")
+
+    # 6. 保存结果
+    try:
+        # cv2.imwrite 不支持中文路径，使用 imencode + tofile
+        ext = os.path.splitext(output_path)[1]
+        cv2.imencode(ext, img)[1].tofile(output_path)
+        print(f"结果已保存至: {output_path}")
+    except Exception as e:
+        print(f"保存图片失败: {e}")
+
+if __name__ == "__main__":
+    # 输入文件路径
+    input_file = r"d:\dsWork\aiData\Test\Screenshots\chat_result_20260121_113553.jpg"
+    # 输出文件路径
+    output_file = r"d:\dsWork\aiData\Test\Screenshots\chat_result_analyzed.jpg"
+    
+    analyze_chat_image(input_file, output_file)

Test/testWeXinChat.py

@@ -0,0 +1,271 @@
+# coding=utf-8
+import uiautomator2 as u2
+import time
+import logging
+import sys
+import os
+import cv2
+import numpy as np
+
+# 配置日志
+logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(name)s - %(levelname)s - %(message)s')
+logger = logging.getLogger("TestWeChat")
+
+def analyze_chat_image(image_path, output_path):
+    """
+    识别微信聊天截图中的头像并画框
+    """
+    logger.info(f"正在分析图片: {image_path}")
+    
+    # 读取图片
+    # 注意：cv2.imread 不支持中文路径，需要用 np.fromfile 读取
+    try:
+        img_data = np.fromfile(image_path, dtype=np.uint8)
+        img = cv2.imdecode(img_data, cv2.IMREAD_COLOR)
+    except Exception as e:
+        logger.error(f"读取图片失败: {e}")
+        return
+
+    if img is None:
+        logger.error("图片读取为空")
+        return
+
+    height, width = img.shape[:2]
+    logger.info(f"图片尺寸: {width}x{height}")
+
+    # 1. 预处理
+    # 转为灰度图
+    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
+    
+    # 使用自适应阈值二值化
+    thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
+                                   cv2.THRESH_BINARY_INV, 11, 2)
+    
+    # 形态学操作：闭运算，填充内部空洞
+    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
+    closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)
+    
+    # 2. 轮廓查找
+    contours, _ = cv2.findContours(closed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
+    logger.info(f"检测到轮廓数量: {len(contours)}")
+    
+    # 收集所有符合条件的头像
+    avatars = []
+    
+    # 3. 筛选轮廓
+    for contour in contours:
+        # 获取外接矩形
+        x, y, w, h = cv2.boundingRect(contour)
+        
+        # 筛选条件优化：
+        # 1. 形状接近正方形 (放宽宽高比限制: 0.8 ~ 1.2)
+        aspect_ratio = float(w) / h
+        
+        # 2. 尺寸适中
+        # 假设头像宽度在屏幕宽度的 6% 到 15% 之间
+        min_w = width * 0.06
+        max_w = width * 0.15
+        
+        # 3. 位置筛选
+        # 排除底部输入框区域 (假设底部 10% 为输入区域)
+        if y > height * 0.9:
+            continue
+
+        # 左侧头像：靠左边 (x < width * 0.18)
+        # 右侧头像：靠右边 (x > width * 0.82)
+        is_left = x < width * 0.18
+        is_right = x > width * 0.82
+        
+        if 0.8 <= aspect_ratio <= 1.2 and min_w < w < max_w:
+            if is_left or is_right:
+                side = "Left" if is_left else "Right"
+                avatars.append({
+                    'x': x, 'y': y, 'w': w, 'h': h,
+                    'side': side
+                })
+
+    # 按 y 坐标排序
+    avatars.sort(key=lambda a: a['y'])
+    
+    logger.info(f"找到有效头像数量: {len(avatars)}")
+
+    # 4. 绘制对话内容框 (Green/Red Boxes)
+    # 策略：按顺序遍历头像，如果发现同侧连续，则视为一组。
+    # 从当前组的第一个头像上方开始，直到下一个不同侧的头像上方（或底部）。
+    
+    if avatars:
+        i = 0
+        while i < len(avatars):
+            current_group_start = i
+            current_side = avatars[i]['side']
+            
+            # 找到当前组的结束位置 (即下一个不同侧头像的索引)
+            j = i + 1
+            while j < len(avatars) and avatars[j]['side'] == current_side:
+                j += 1
+            
+            # 当前组范围: avatars[i] ... avatars[j-1]
+            # 确定绘制区域的 Y 轴范围
+            
+            # Start Y: 当前组第一个头像的上方 (例如 -10px)
+            start_y = max(0, avatars[i]['y'] - 10)
+            
+            # End Y: 下一组第一个头像的上方 (减去较大间距，例如 -30px)，或者当前组最后一个头像的底部加上边距
+            # 为了让框之间有明显间隔，我们采取策略：
+            # 如果有下一组，End Y = 下一组第一个头像的 y - 30 (留出间隙)
+            # 如果没有下一组，End Y = 屏幕底部区域上方
+            
+            if j < len(avatars):
+                end_y = max(start_y + 10, avatars[j]['y'] - 30)
+            else:
+                end_y = int(height * 0.9) # 到底部输入框上方
+            
+            # 绘制大框
+            # 左侧 (Left) -> 对方 -> 绿色 (0, 255, 0)
+            # 右侧 (Right) -> 我 -> 红色 (0, 0, 255)
+            # 注意 OpenCV 颜色是 BGR
+            box_color = (0, 255, 0) if current_side == "Left" else (0, 0, 255)
+            
+            # 绘制矩形 (空心，线宽 2)
+            # X 轴范围：0 到 width
+            cv2.rectangle(img, (0, start_y), (width, end_y), box_color, 2)
+            
+            logger.info(f"绘制内容框: 侧别={current_side}, 范围 Y={start_y} to {end_y}")
+            
+            # 移动到下一组
+            i = j
+
+    # 5. 绘制头像框 (Blue/Yellow Boxes) - 画在内容框之上
+    for av in avatars:
+        x, y, w, h = av['x'], av['y'], av['w'], av['h']
+        # 左侧：蓝色 (BGR: 255, 0, 0)
+        # 右侧：黄色 (BGR: 0, 255, 255)
+        color = (255, 0, 0) if av['side'] == "Left" else (0, 255, 255)
+        
+        cv2.rectangle(img, (x, y), (x + w, y + h), color, 3)
+        logger.info(f"绘制头像: 位置=({x},{y}), 侧别={av['side']}")
+
+    logger.info(f"共标记了 {len(avatars)} 个头像")
+
+    # 6. 保存结果
+    try:
+        # cv2.imwrite 不支持中文路径，使用 imencode + tofile
+        ext = os.path.splitext(output_path)[1]
+        cv2.imencode(ext, img)[1].tofile(output_path)
+        logger.info(f"✅ 分析结果已保存至: {output_path}")
+    except Exception as e:
+        logger.error(f"保存分析图片失败: {e}")
+
+def main():
+    logger.info("开始执行微信搜索测试...")
+    
+    # 连接设备
+    try:
+        d = u2.connect()
+        logger.info(f"设备连接成功: {d.info.get('serial')}")
+    except Exception as e:
+        logger.error(f"设备连接失败: {e}")
+        return
+
+    # 1. 启动微信
+    logger.info("步骤 1: 启动微信...")
+    d.app_start("com.tencent.mm", stop=True)
+    # 等待微信启动完成
+    time.sleep(5)
+
+    # 获取屏幕尺寸
+    w, h = d.window_size()
+    logger.info(f"屏幕尺寸: {w}x{h}")
+
+    # 2. 点击搜索按钮 (参考 Opener.py 的坐标比例: w * 0.84, h * 0.08)
+    search_x = int(w * 0.84)
+    search_y = int(h * 0.08)
+    logger.info(f"步骤 2: 点击搜索按钮 (坐标: {search_x}, {search_y})...")
+    d.click(search_x, search_y)
+    time.sleep(2)
+
+    # 3. 输入 "糖豆爸爸"
+    target_name = "糖豆爸爸"
+    logger.info(f"步骤 3: 输入搜索内容 '{target_name}'...")
+    
+    try:
+        # 启用 FastInputIME 以支持中文输入
+        d.set_input_ime(True)
+        
+        # 点击搜索框获取焦点 (参考 Opener.py: w * 0.4, h * 0.08)
+        d.click(int(w * 0.4), int(h * 0.08))
+        time.sleep(1)
+        
+        # 输入文字
+        d.send_keys(target_name)
+        time.sleep(2)
+        
+        # 恢复输入法
+        d.set_input_ime(False)
+    except Exception as e:
+        logger.error(f"输入文字失败: {e}")
+        try:
+            d(focused=True).set_text(target_name)
+        except:
+            pass
+
+    # 4. 点击搜索结果
+    logger.info("步骤 4: 查找并点击搜索结果...")
+    time.sleep(2)
+    
+    found = False
+    
+    # 策略 A: 精确匹配文本
+    if d(text=target_name).exists:
+        logger.info(f"找到文本为 '{target_name}' 的元素，点击...")
+        d(text=target_name).click()
+        found = True
+    else:
+        logger.warning(f"未找到文本为 '{target_name}' 的元素，尝试模糊匹配或坐标点击...")
+        
+        # 策略 B: 坐标点击 (参考 Opener.py 点击第一个结果: w * 0.5, h * 0.18)
+        result_x = int(w * 0.5)
+        result_y = int(h * 0.18)
+        logger.info(f"尝试点击第一个搜索结果位置 ({result_x}, {result_y})...")
+        d.click(result_x, result_y)
+        found = True
+
+    if found:
+        logger.info("✅ 已执行点击操作，应该已进入对话框。")
+        
+        # 5. 截图保存结果
+        logger.info("步骤 5: 截图并分析...")
+        # 等待界面加载稳定
+        time.sleep(3)
+        
+        # 创建截图目录
+        screenshot_dir = os.path.join(os.path.dirname(os.path.abspath(__file__)), "Screenshots")
+        if not os.path.exists(screenshot_dir):
+            os.makedirs(screenshot_dir)
+        
+        # 生成文件名
+        timestamp = time.strftime("%Y%m%d_%H%M%S")
+        filename = f"chat_result_{timestamp}.jpg"
+        save_path = os.path.join(screenshot_dir, filename)
+        
+        try:
+            d.screenshot(save_path)
+            logger.info(f"✅ 原始截图已保存: {save_path}")
+            
+            # 6. 分析截图并标记头像
+            logger.info("步骤 6: 自动标记头像...")
+            analyzed_filename = f"chat_result_{timestamp}_analyzed.jpg"
+            analyzed_path = os.path.join(screenshot_dir, analyzed_filename)
+            
+            analyze_chat_image(save_path, analyzed_path)
+            
+        except Exception as e:
+            logger.error(f"❌ 截图或分析失败: {e}")
+            
+    else:
+        logger.error("❌ 未能定位到搜索结果，跳过截图。")
+
+    logger.info("测试结束。")
+
+if __name__ == "__main__":
+    main()