众所周知，最近COC被腾讯收购了，又整了一波活，花里胡哨的兵种都不认识了，这件事我不做评价吧。
图个新鲜感，高中几个哥们突然又玩起了部落冲突，打🐟一时爽，一直打🐟一直爽，但是找🐟经常要耗费好多时间，那就用脚本啊！自己找🐟是不可能的，但是用脚本挂容易封号；怎么说，只要思想不滑坡，总会有解决方法的是吧。
扒拉了一下午资料，终于找到了志同道合的哥们：
这想法简直和我一拍即合！原文链接放在下面，大家可以先看看这哥们的思路：
Python部落冲突自动搜索对手 – 简书 (jianshu.com)
仔细看了一下，实现原理也不难，所以就自己捣鼓了一下，顺便帮哥们改进了一下，比如说按键的位置换成了随机点，以及操作的间隙也改成随机数，总之最重要的原则：一定不能封号
个人喜欢用JupyterNotebook多一点，所以写成了ipynb文件。
首先是环境的要求：
(为了照顾小白，我就直接上傻瓜式教程了，最后有代码的简单说明)
- 首先是python环境的配置，推荐直接用Ancaonda配置环境，Python版本是3.6，版本应该问题不大，安装Anaconda可以参考：
anaconda安装-超详细版_plasma-deeplearning的博客-CSDN博客_anaconda安装教程
https://blog.csdn.net/in546/article/details/117400839
首先按照上面的链接安装好Anaconda，然后直接在开始菜单栏找到Anaconda3(64-bit)->Anaconda Promopt
然后复制粘贴下面三句话，搞定。
pip install pillow -i http://pypi.douban.com/simple/ –trusted-host pypi.douban.com
pip install opencv-contrib-python -i http://pypi.douban.com/simple/ –trusted-host pypi.douban.com
pip install pywin32 -i http://pypi.douban.com/simple/ –trusted-host pypi.douban.com
- 接着是adb和Tesseract的配的配置，这里对设备的操作还是基于adb，所以IOS玩家可以走了；这里需要在手机上进行一定的设置，即打开设备的USB调试然后对于资源的识别我没用百度AI的文字识别，而是直接使用了开源的OCR识别引擎Tesseract，这样就可以实现本地直接识别，不用上传到百度AI那么麻烦，不过识别起来呆呆的(可以把 2 识别成 e 也是我没想到的)，哎~想起cv那些图像识别的大作业，真是有苦说不出。
手机设置
先把我打包好的资源包下载下来，大概100MB
https://cowtransfer.com/s/345f72f5bd2645 点击链接查看 [ COC.zip ]
下好后解压缩到你喜欢的位置，里面应该有下面四个东西：
简单说明一下，第一个文件夹是adb调试工具；第二个文件夹是用来图像识别的；第三个文件夹是用来暂时存放截图的，工作的时候可以看看这个文件夹里内容的变化；最后一个是源代码。
- 最后配置一下环境变量，下面给出win10的操作，这步很简单，win11百度一下应该就会。
首先去到电脑设置界面搜索“环境变量”—编辑系统环境变量
然后进入环境变量
在系统变量找到Path，选中点编辑
新建以下三个环境变量，第一行和第三行要换成自己电脑的文件夹路径，
具体路径就是刚刚那两个文件夹的路径
D:\Desktop\COC\platform-tools
%Android%
D:\Desktop\coc\tesseract
接下来就无脑按几个确定就好了，这样子环境就配置好了。
然后修改一些参数：
有一定代码基础的伙伴可以看看最后面附加的思路，自己修改，小白直接改下面几个参数就好：
首先要打开源代码，找到Jupyter Notebok
打开后把coc.ipynb文件Upload进工作区
在工作区里找到coc.ipynb文件，单击打开
- 首先是一些超参数的设置，包括文件路径，这里的path要换成自己的COC文件夹位置；然后是等待时间的设置，大概是搜到对手的时间，要不然容易截图到云，可以自己定；然后是鱼的设置，这里我就简单的金币+圣水>150K，大家可以按照自己的要求来改，可能要用到一些基础的python语法，都很基础，是鱼就返回True。
- 然后是修改ScreenCapturer类里的按钮位置，尝试过几台设备好像坐标多多少少都有点偏差，不知道COC程序员是怎么拉伸的，咱就自己再量一下算了，具体就是改random.uniform(,)里面的数字，分别是左界限和右界限：
具体提取像素坐标的方法有很多，这里用PS，其他方法可以百度一下，PS的具体做法就是先把图片reshape成100×100像素(1000×1000也行，按比例换算就好了，不要等比缩放)，然后读取像素，具体就是下面两张图：
首先打开信息版
然后用选择工具滑到你想要像素坐标的位置，右边就有像素坐标
代码里面的四个按钮坐标都要换，要不然会点不到按钮
- 然后还要改一下资源的位置，在 PicScanner类里，找不到就Ctrl+F，搜索im.crop；这里需要把资源的位置坐标量出来 。
最后展示一下工作效果：
上面的改完就差不多好啦，然后就开心的找🐟吧~（记得在手机上打开COC并且回到大本营）
运行所有Cell
系统会在指定文件夹里生成两张图片和一个txt文件，然后找到🐟了就会响一声同时弹窗提醒：
但….
激动的心！颤动的手！
啊这…你管这叫🐟
??？听我说，谢谢你。
算了，毕竟是AI，就这样凑合着用吧~
基于权限问题，该方法还是只适用于安卓平台
也不能说100%不会被抓，但感觉被抓的可能性不大，毕竟电脑啥也没干，就一个劲地按下一个
最后祝每一个部落人都能天天打大鱼，肥到滴油的那种~
附上代码的简单说明：
大概解释一下，首先是超参数的设置，这里要把路径改成本地的绝对路径，不能用相对路径（应该不能吧，可能有解决办法，我不知道，我只是一个代码能力不过七行的小白）然后就是搜索时长和鱼的判定，这个可以自己设定：
# 复制TRANS_PIC_PATH的路径来粘贴，只能用绝对路径，因为要调用cmd
path = r'D:\Desktop\COC' # 改成自己的path
pic_path = path + r'\TRANS_PIC_PATH'
adb_path =path + r'\platform-tools\adb.exe'
tesseract_path = path + r'\tesseract\tesseract.exe'
# 搜索对手预估时长[t_min,t_max]随机生成一个数字。单位毫秒
t_min = 5000
t_max = 6000
#自己设置是🐟的条件，我就单纯金币+圣水>150K算🐟了
def is_fish(gold,water,oil):
if gold+water>1500000:
return True
else:
return False 然后是参考上面那篇博客的思路，创建了三个类。
首先是ScreenCapturer类，主要作用是截屏传到电脑同时定义一些在手机上的操作。
from time import sleep
import random
import os
class ScreenCapturer: #获取截图，同时定义一些在手机上的操作
phoneResolution = [] # 手机分辨率
def __init__(self,andriod="",trans=""):
if andriod!="" and trans != "":
# 判断是否为默认参数
self.ANDRIOD_PIC_PATH = andriod
self.TRANS_PIC_PATH = trans
def getPhoneScreen(self):
# 获取屏幕截图
os.system(adb_path+' shell screencap -p /sdcard/screenshot.png')
def transPhoneScreen(self):
# 将截图传输至电脑
command = adb_path+' pull /sdcard/screenshot.png '+pic_path+'\screenshot.png'
os.system(command)
# 模拟点击某一位置
def pointOnPhone(self,x=0.0,y=0.0):
strX = str(x)
strY = str(y)
command = adb_path+" shell input tap " + strX + " " + strY
os.system(command)
pass
# 获取屏幕分辨率
def getPhoneResolution(self):
# 获取命令行的打印值
r = os.popen(adb_path+" shell dumpsys window displays")
text = str(r.read())
# 查找init=字符串，其后为手机分辨率情况
beginC = text.find("init=")
# 获取其后的10个字符
line = text[beginC+5:beginC+15]
resolution = line.split("x")
self.phoneResolution.append(float(resolution[0]))
self.phoneResolution.append(float(resolution[1]))
r.close()
pass
# 点击进攻按钮
def pointAttackBtn(self):
# 保留两位小数
x = random.uniform(0.021,0.098) * self.phoneResolution[1]
y = random.uniform(0.838,0.964) * self.phoneResolution[0]
self.pointOnPhone(x,y)
print("点击-进攻-按钮")
# 点击搜索对手按钮
def pointSearchAttacker(self):
# 保留两位小数
x = random.uniform(0.652,0.83) * self.phoneResolution[1]
y = random.uniform(0.543,0.69) * self.phoneResolution[0]
self.pointOnPhone(x, y)
print("点击-搜索对手-按钮")
# 点击搜索下一个按钮
def pointNextAttacker(self):
# 保留两位小数
x = random.uniform(0.853,0.975) * self.phoneResolution[1]
y = random.uniform(0.714,0.8) * self.phoneResolution[0]
self.pointOnPhone(x, y)
print("点击-搜索下一个-按钮")
# 点击结束战斗按钮
def pointEndAttack(self):
# 保留两位小数
x = random.uniform(0.02,0.1) * self.phoneResolution[1]
y = random.uniform(0.769,0.8) * self.phoneResolution[0]
self.pointOnPhone(x, y)
print("点击-结束战斗-按钮")这里的x和y都改成了范围，避免太呆被抓。
然后是PicScanner类，作用就是识别截图到的图片，对图像做一些变化，比如说灰度处理和二值化处理，提高识别精度，然后把它转成文字，传进一个数组里。
from PIL import Image
from io import open
import cv2
import numpy as np
import re
class PicScanner: #从截图识别资源
def __init__(self,path=""):
if path!="":
self.filePath = path
def get_file_content(self,filePath):
with open(filePath, mode='rb') as f:
return f.read()
def cutPicToSource(self): # 将截图裁剪至仅剩资源的部分，方便于图片识别
im = Image.open(pic_path+'\screenshot.png', 'r')
if im:
width, height = im.size
img = im.crop((0.045 * width, 0.105 * height, 0.135 * width, 0.225 * height)) #裁剪
img = cv2.cvtColor(np.array(img), cv2.COLOR_RGBA2BGRA) #PIL->np
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY); #灰度处理
ret,img=cv2.threshold(img, 230, 255, cv2.THRESH_BINARY); #二值化处理
cv2.imwrite(pic_path+'\sourse.png',img)
def readPicNum(self): #图像识别，即图像转文字，所用包为tesseract，也可以换成其他的包
command = tesseract_path+' '+pic_path+'\sourse.png '+pic_path+'\sourse -l eng'
os.system(command)
f=open(pic_path+'\sourse.txt', encoding='gbk')
txt=[]
i = 0;
for line in f:
txt.append(line.strip())
string = ''.join(ch for ch in txt[i] if ch.isalnum())
string = string.replace(" ",'') #删掉多余的空格
#AI的蜜汁识别
string = string.replace("S",'5')
string = string.replace("O",'0')
string = string.replace("I",'1')
string = string.replace("l",'1')
string = string.replace("e",'2')
#可能识别出各种奇奇怪怪的单词，识别不出直接不要，找选下一个🐟
try:
txt[i] = int(string)
except:
return []
i = i+1
return txt最后就是autoFind类，就是集成了上面两个类，然后用while循环一直找🐟，找到的话提醒你
import win32con, win32api
import winsound
class autoFind:
# 对象实例
scanner = PicScanner()
capture = ScreenCapturer()
# 设置的搜索资源值
source = {}
def setSourceValue(self,gold,water,oil):
self.source['gold'] = gold
self.source['water'] = water
self.source['oil'] = oil
def beginFind(self):
self.capture.getPhoneResolution() # 获取屏幕分辨率
self.capture.pointAttackBtn() # 点击进攻按钮
sleep(1)
print('\n----------------------------------------------------')
self.capture.pointSearchAttacker() # 点击搜索对手按钮
sleep(random.randint(t_min,t_max)/1000)
while(1): #无限循环，直到找到🐟
# 获取屏幕截图并判断资源
print("...........识别中..........")
self.capture.getPhoneScreen() #截图
self.capture.transPhoneScreen() #传图片到电脑
self.scanner.cutPicToSource() #截取资源
words = self.scanner.readPicNum() #读取资源
if len(words) == 3 and words[0]<2000000 and words[1]<2000000 and words[2]<20000:
#出错了返回空数组，有时候会多识别一位数字，超过200K的直接不要，下一个
gold = words[0]
water = words[1]
oil = words[2]
if is_fish(gold,water,oil): #找到🐟退出循环
print('找到🐟了，工作结束。')
self.findFish(str(gold), str(water), str(oil))
break
#打印一下找到的🐟资源，不肥不要
print("资源：")
print('金币:',gold,' 圣水:',water,' 黑油:',oil)
print('\n----------------------------------------------------')
self.capture.pointNextAttacker() #下一个
sleep(random.randint(t_min,t_max)/1000) #等2-3s，防止截图到搜索对手界面的白云
else:
print('识别出错')
print('\n----------------------------------------------------')
self.capture.pointNextAttacker() #下一个
sleep(random.randint(t_min,t_max)/1000) #等2-3s，防止截图到搜索对手界面的白云
# 找到🐟后进行提醒
def findFish(self,gold,water,oil):
winsound.Beep(440, 300) #声音提醒
#消息栏提醒
win32api.MessageBox(0,'金币：'+gold+"， 圣水："+water+"， 黑油："+oil, '！！！发现大鱼！！！', win32con.MB_OK)
def restart(self):
self.capture.pointEndAttack() #结束战斗
接下来就可以开心地找🐟啦~
find = autoFind() #初始化对象
try:
find.beginFind() #找🐟
except:
print("识别出错，重新搜索") #可能遇到奇奇怪怪的BUG，原因懒得找了，直接重开
find.restart()
sleep(2)
find.beginFind()文章出处登录后可见！
