### 实现方案 为了实现当屏幕中出现指定文字时自动点击该位置的功能，可以结合 `pytesseract` 和 `PyAutoGUI` 这两个库来完成。前者负责从屏幕截图中识别特定的文字，后者则用来定位并点击这些文字所在的位置。 #### 文字识别与自动化操作集成 首先安装必要的依赖包： ```bash pip install pytesseract pyautogui pillow opencv-python-headless ``` 下面是一份完整的 Python 脚本示例，展示了如何利用上述提到的技术栈达成目标[^1][^4]： ```python import cv2 import numpy as np from PIL import ImageGrab, ImageEnhance import pytesseract import PyAutoGUI def preprocess_image(image): """预处理图像以提高OCR准确性""" gray = cv2.cvtColor(np.array(image), cv2.COLOR_BGR2GRAY) _, threshed = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU) # 增强对比度有助于提升字符识别率 enhancer = ImageEnhance.Contrast(Image.fromarray(threshed)) enhanced_img = enhancer.enhance(2) return enhanced_img.convert('L') def find_text_on_screen(text_to_find): screenshot = ImageGrab.grab() processed_screenshot = preprocess_image(screenshot) custom_config = r'--oem 3 --psm 6' detected_texts = pytesseract.image_to_data(processed_screenshot, config=custom_config, lang='chi_sim') for i, line in enumerate(detected_texts.splitlines()): if i == 0: continue data = list(map(str.strip, line.split('\t'))) if len(data) >= 12 and float(data[-1]) > 80: # Confidence check word = data[11].strip().lower() if text_to_find.lower() in word: x, y, w, h = map(int, (data[6], data[7], data[8], data[9])) center_x = int(x + w / 2) center_y = int(y + h / 2) return True, (center_x, center_y) return False, None target_word = "你好" found, position = find_text_on_screen(target_word) if found: print(f"'{target_word}' 已找到于 {position}") PyAutoGUI.click(position) else: print(f"未能找到 '{target_word}'") ``` 此代码片段实现了如下功能： - 使用 `ImageGrab.grab()` 获取当前屏幕快照； - 对获取到的画面做适当预处理以便更好地适应 OCR 处理需求； - 利用 `pytesseract.image_to_data()` 方法解析图片中的文本信息，并过滤出置信度较高的匹配项； - 如果找到了目标字符串，则计算其中心坐标并通过 `PyAutoGUI.click()` 执行点击动作；如果没有发现对应的内容，则给出提示消息。 请注意，在实际应用过程中可能还需要考虑更多细节问题，例如多线程支持、异常情况下的重试机制等，具体取决于应用场景的要求。