'commit'

Apps/XinDianTu/Crawler.py

@@ -175,15 +175,21 @@ async def get_station_list(d, service, uploader, max_scrolls=MAX_SCROLLS):
             
             if ad_type == "rabbit":
                 logger.info(">>> 检测到顽固的兔子广告，执行强力双击策略...")
-                # 使用 u2 的 double_click，它比两次 click + sleep 更快
                 d.double_click(x, y, duration=0.05)
                 
-                # 处理“误触背景卡片”的逻辑：既然可能进去了，就等一会儿再退出来
-                logger.info(">>> 考虑到可能误触背景卡片，等待 2s 后执行返回操作...")
-                await asyncio.sleep(2.0)
-                d.press("back")
-                await asyncio.sleep(1.0)
-                logger.info(">>> 已尝试从误触页面返回。")
+                # 处理“误触背景卡片”的逻辑
+                logger.info(">>> 等待 3s 以确认是否进入了二级页面...")
+                await asyncio.sleep(3.0)
+                
+                # 检查是否还在列表页 (新电途列表页通常有“全城”或“综合排序”按钮)
+                # 如果这些按钮不存在，说明可能进到了详情页
+                is_list_page = d(text="全城").exists or d(text="综合排序").exists or d(text="搜索场站").exists
+                if not is_list_page:
+                    logger.info(">>> 检测到当前不在列表页，尝试执行返回操作...")
+                    d.press("back")
+                    await asyncio.sleep(1.5)
+                else:
+                    logger.info(">>> 当前仍在列表页，无需返回。")
             else:
                 d.click(x, y)
                 await asyncio.sleep(1.5)

Apps/XinDianTu/Kit.py

@@ -137,6 +137,110 @@ def is_background_dimmed(image_path, threshold=80):
     return avg_brightness < threshold
 
 
+def detect_rabbit_ad_close(image_path, debug_dir=None):
+    """
+    通过图形学算法检测“新电兔AI”广告的关闭按钮
+    特征：黑色圆，中间有白色X
+    :param image_path: 截图路径
+    :param debug_dir: 调试图保存目录
+    :return: (x, y) 归一化坐标，如果未找到返回 None
+    """
+    if not os.path.exists(image_path):
+        return None
+
+    img = read_image(image_path)
+    if img is None:
+        return None
+
+    h, w = img.shape[:2]
+
+    # ROI: 左侧，中下部 (x: 0-25%, y: 60-90%)
+    roi_x1, roi_x2 = 0, int(w * 0.25)
+    roi_y1, roi_y2 = int(h * 0.6), int(h * 0.9)
+    roi = img[roi_y1:roi_y2, roi_x1:roi_x2]
+    
+    gray = cv2.cvtColor(roi, cv2.COLOR_BGR2GRAY)
+    
+    candidates = []
+    # 尝试多个阈值以应对不同的亮度环境
+    for threshold_val in [40, 60, 80, 100]:
+        _, thresh = cv2.threshold(gray, threshold_val, 255, cv2.THRESH_BINARY_INV)
+        
+        # Find contours
+        contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
+        
+        for cnt in contours:
+            area = cv2.contourArea(cnt)
+            # 圆形度检查
+            perimeter = cv2.arcLength(cnt, True)
+            if perimeter == 0: continue
+            circularity = 4 * np.pi * (area / (perimeter * perimeter))
+            
+            # 兔子广告关闭按钮通常很小 (面积在 100-4000 之间)
+            if 100 < area < 4000 and circularity > 0.4:
+                # 获取该候选区域的 bounding box
+                x, y, w_cnt, h_cnt = cv2.boundingRect(cnt)
+                
+                # 在这个黑色圆内部，检查是否有亮色的 'X'
+                padding = 2
+                inner_roi = gray[max(0, y-padding):min(roi.shape[0], y+h_cnt+padding), 
+                                 max(0, x-padding):min(roi.shape[1], x+w_cnt+padding)]
+                
+                # 找亮色物体 (X)
+                _, inner_thresh = cv2.threshold(inner_roi, 180, 255, cv2.THRESH_BINARY)
+                inner_contours, _ = cv2.findContours(inner_thresh, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
+                
+                has_x = False
+                for i_cnt in inner_contours:
+                    i_area = cv2.contourArea(i_cnt)
+                    # X 应该比圆小很多
+                    if 10 < i_area < area * 0.5:
+                        has_x = True
+                        break
+                
+                if has_x or circularity > 0.7:
+                    M = cv2.moments(cnt)
+                    if M["m00"] != 0:
+                        cX = int(M["m10"] / M["m00"]) + roi_x1
+                        cY = int(M["m01"] / M["m00"]) + roi_y1
+                        
+                        norm_x = int(cX / w * 1000)
+                        norm_y = int(cY / h * 1000)
+                        
+                        # 避免重复
+                        if not any(abs(cX - c[0]) < 15 and abs(cY - c[1]) < 15 for c in candidates):
+                            candidates.append((cX, cY, area, norm_x, norm_y, has_x))
+
+    if not candidates:
+        return None
+
+    # 评分逻辑
+    def score_candidate(c):
+        # c = (cx, cy, area, nx, ny, has_x)
+        has_x = c[5]
+        # 基础分：如果有 X，大幅加分
+        score = 1000 if has_x else 0
+        # 距离分：越靠近预期的 (93, 830) 分越高
+        dist = np.sqrt((c[3] - 93)**2 + (c[4] - 830)**2)
+        score -= dist * 2
+        # 面积分：理想面积在 500-1500 之间
+        if 500 < c[2] < 1500: score += 200
+        return score
+
+    candidates.sort(key=score_candidate, reverse=True)
+    best = candidates[0]
+    
+    logger.info(f"CV detected rabbit ad close button at Norm({best[3]}, {best[4]}) with score {score_candidate(best):.2f}")
+    
+    if debug_dir:
+        os.makedirs(debug_dir, exist_ok=True)
+        debug_img = img.copy()
+        cv2.circle(debug_img, (best[0], best[1]), 10, (0, 0, 255), -1) # 使用红点表示识别结果
+        save_image(os.path.join(debug_dir, "debug_rabbit_ad_cv.jpg"), debug_img)
+
+    return [best[3], best[4]]
+
+
 def detect_black_agree_button(image_path, debug_dir=None):
     """
     通过计算机图形学检测黑色的"同意"按钮 (Image 1 场景)

Apps/XinDianTu/Opener.py

@@ -68,15 +68,20 @@ async def check_and_close_ad(d):
             # 针对“新电兔AI”兔子广告的强力关闭策略
             if ad_type == "rabbit":
                 logger.info(">>> 检测到顽固的兔子广告，执行强力双击策略...")
-                # 使用 u2 的 double_click，它比两次 click + sleep 更快
                 d.double_click(x, y, duration=0.05)
                 
                 # 处理“误触背景卡片”的逻辑
-                logger.info(">>> 考虑到可能误触背景卡片，等待 2s 后执行返回操作...")
-                await asyncio.sleep(2.0)
-                d.press("back")
-                await asyncio.sleep(1.0)
-                logger.info(">>> 已尝试从误触页面返回。")
+                logger.info(">>> 等待 3s 以确认是否进入了二级页面...")
+                await asyncio.sleep(3.0)
+                
+                # 检查是否还在列表页
+                is_list_page = d(text="全城").exists or d(text="综合排序").exists or d(text="搜索场站").exists
+                if not is_list_page:
+                    logger.info(">>> 检测到当前不在列表页，尝试执行返回操作...")
+                    d.press("back")
+                    await asyncio.sleep(1.5)
+                else:
+                    logger.info(">>> 当前仍在列表页，无需返回。")
             else:
                 d.click(x, y)
                 

Apps/XinDianTu/ReadImageKit.py

@@ -8,8 +8,11 @@ import aiohttp
 import logging
 import base64
 from openai import AsyncOpenAI, BadRequestError
+from Apps.XinDianTu.Kit import (
+    read_image, save_image, detect_rabbit_ad_close
+)
 from Config.Config import (
-    ALY_LLM_API_KEY, VL_MODEL_NAME, VL_MODEL_NAME_AD
+    ALY_LLM_API_KEY, VL_MODEL_NAME, VL_MODEL_NAME_AD, TEMP_IMAGE_DIR
 )
 from Apps.XinDianTu.Config.Setting import (
     SAFE_EXCLUDE_RATIO, FALLBACK_WIDTH, FALLBACK_HEIGHT,
@@ -77,11 +80,28 @@ class ReadImageKit:
     @classmethod
     async def detect_ad_popup(cls, image_path: str, device_info=None):
         """
-        使用 VL 模型检测是否存在弹窗广告，并返回关闭按钮坐标
+        使用 VL 模型 + 图形学算法检测是否存在弹窗广告，并返回关闭按钮坐标
         """
         if not os.path.exists(image_path):
             return None
 
+        # 1. 优先使用图形学算法检测“新电兔AI”广告，因为它的特征非常明显
+        cv_rabbit_point = detect_rabbit_ad_close(image_path, debug_dir=TEMP_IMAGE_DIR)
+        if cv_rabbit_point:
+            logger.info(f">>> 图形学算法精准捕捉到兔子广告关闭按钮: {cv_rabbit_point}")
+            norm_point = cv_rabbit_point
+            ad_type = "rabbit"
+            
+            # 转换坐标并返回
+            if not device_info:
+                device_info = cls._FALLBACK_DEVICE_INFO
+            w = device_info.get("displayWidth", FALLBACK_WIDTH)
+            h = device_info.get("displayHeight", FALLBACK_HEIGHT)
+            x = int(norm_point[0] / 1000 * w)
+            y = int(norm_point[1] / 1000 * h)
+            return {"x": x, "y": y, "ad_type": ad_type}
+
+        # 2. 如果图形学没找到，再请求大模型进行全量检测
         with open(image_path, "rb") as image_file:
             encoded_image = base64.b64encode(image_file.read()).decode("utf-8")
             img_input = {"url": f"data:image/jpeg;base64,{encoded_image}"}
@@ -91,26 +111,21 @@ class ReadImageKit:
             "请仔细检查这张图片中是否存在**弹窗广告**或**悬浮广告**。\n"
             "广告可能有以下几种形式：\n"
             "1. **屏幕中央的大型弹窗广告**：通常遮挡了页面内容，内容多为优惠券、活动推广等。\n"
-            "2. **'新电兔AI'专属悬浮广告**（高频）：\n"
-            "   - **位置范围**：严格锁定在**屏幕左侧边缘**（水平坐标约 0-250），**垂直高度处于中下部**（垂直坐标约 600-900）。\n"
-            "   - **视觉特征**：一个卡通兔子头，或带有'新电兔AI'字样的气泡图标。\n"
-            "   - **关闭按钮**：务必寻找位于该图标**正下方**的一个**黑色圆形小按钮（内含白色X）**。注意：关闭按钮通常与图标本体分离，悬浮在图标下方约 20-50 像素处。请精确返回这个黑色圆形按钮的中心坐标。\n"
+            "2. **'新电兔AI'专属悬浮广告**（高频）：一个卡通兔子头，带有'新电兔AI'字样，关闭按钮是一个黑色圆圈内含白色X。\n"
             "3. **底部的横幅广告**：带有明显的关闭按钮。\n\n"
-            "如果发现了上述任何一种广告，请务必找到该广告的**关闭按钮**（通常是一个'X'符号，或者'关闭'字样，或者位于广告下方/右上角的圆圈叉号）。\n"
-            "请返回该关闭按钮的**中心坐标**。\n\n"
+            "请返回关闭按钮的中心坐标。\n\n"
             "请以纯 JSON 格式输出：\n"
             "{\n"
             "  \"has_ad\": true/false,\n"
-            "  \"ad_type\": \"rabbit\", // \"rabbit\" (新电兔AI/兔子) | \"center\" (中央弹窗) | \"bottom\" (底部横幅) | \"other\"\n"
+            "  \"ad_type\": \"rabbit\" | \"center\" | \"bottom\" | \"other\",\n"
             "  \"close_point\": [x, y]  // 0-1000 归一化坐标\n"
             "}\n"
-            "如果没有广告，请返回 `{\"has_ad\": false}`。\n"
-            "只输出 JSON，不要包含任何其他文字。"
+            "如果没有广告，请返回 `{\"has_ad\": false}`。"
         )
 
         try:
             resp = await cls._client.chat.completions.create(
-                model=VL_MODEL_NAME, # 使用默认 VL 模型即可，或者使用 AD 专用
+                model=VL_MODEL_NAME, 
                 timeout=30,
                 messages=[
                     {
@@ -128,10 +143,9 @@ class ReadImageKit:
 
             if result.get("has_ad") and result.get("close_point"):
                 if result.get("ad_type") == "rabbit":
-                    logger.info("大模型找到了兔子广告！")
-                    # 强制使用固定坐标 (94, 830) - 归一化 0-1000
-                    # 根据多次 CV 测试结果 (94, 828) 和 (93, 830) 的综合评估
-                    logger.info(">>> 采用强制固定坐标策略 (94, 830) 以确保点击准确性")
+                    logger.info("大模型找到了兔子广告，但 CV 没找到。")
+                    # 如果大模型找到了但 CV 没找到，说明可能 CV 阈值没对上，此时采用固定坐标作为兜底
+                    logger.info(">>> 采用兜底固定坐标策略 (94, 830)")
                     norm_point = [94, 830]
                 else:
                     norm_point = result["close_point"]
@@ -144,7 +158,6 @@ class ReadImageKit:
                     w = device_info.get("displayWidth", FALLBACK_WIDTH)
                     h = device_info.get("displayHeight", FALLBACK_HEIGHT)
                     
-                    # 假设模型返回的是 0-1000 的坐标
                     x = int(norm_point[0] / 1000 * w)
                     y = int(norm_point[1] / 1000 * h)