DroidBot 使用教程
1. 项目介绍
DroidBot 是一个轻量级的 Android 测试输入生成器,类似于 Monkey,但具有更多的智能和酷功能。它能够向 Android 应用程序发送随机或脚本输入事件,更快地实现更高的测试覆盖率,并在测试后生成 UI 转换图(UTG)。DroidBot 的主要优势包括:
- 不需要系统修改或应用插桩。
- 事件基于 GUI 模型(而不是随机)。
- 可编程(可以自定义某些 UI 的输入)。
- 能够生成 UI 结构和方法跟踪以进行分析。
2. 项目快速启动
2.1 环境准备
在开始使用 DroidBot 之前,请确保您的系统满足以下要求:
- Python(支持 Python 2 和 Python 3)
- Java
- Android SDK(并将
platform-tools目录添加到 PATH 中) - OpenCV-Python(可选,如果您想在
cv模式下运行 DroidBot)
2.2 安装 DroidBot
首先,克隆 DroidBot 的 GitHub 仓库并使用 pip 进行安装:
git clone https://github.com/honeynet/droidbot.git
cd droidbot/
pip install -e .
安装成功后,您应该能够执行 droidbot -h 来查看帮助信息。
2.3 使用 DroidBot
确保您有一个 APK 文件路径,并且设备或模拟器已通过 adb 连接到您的宿主机。然后,您可以启动 DroidBot:
droidbot -a <path_to_apk> -o output_dir
这将生成大量有用的信息,包括 UTG,并将其存储在 output_dir 中。
如果您使用多个设备,可以使用 -d <device_serial> 来指定目标设备。设备的序列号可以通过 adb devices 命令获取。
在某些设备上,您可能需要手动启用 DroidBot 的辅助功能服务。
3. 应用案例和最佳实践
3.1 大规模应用测试
如果您需要测试大量应用,可以使用 -keep_env 选项来避免每次重新安装测试环境。
3.2 自定义脚本输入
您可以使用 JSON 格式的脚本来为某些状态自定义输入。以下是一个脚本示例:
{
"states": [
{
"state_str": "com.example.app:id/login_button",
"event_type": "touch",
"event_data": {
"x": 500,
"y": 1000
}
}
]
}
使用 -script <path_to_script.json> 选项来应用自定义脚本。
3.3 游戏应用测试
对于基于 Cocos2d 或 Unity3d 的游戏应用,您可以使用 -cv 选项来帮助 DroidBot 获取视图信息。
4. 典型生态项目
4.1 AndroidViewClient
AndroidViewClient 是一个用于解析和操作 Android 视图层次结构的工具,DroidBot 在某些情况下会使用它来获取当前的视图层次结构。
4.2 Androguard
Androguard 是一个用于分析 Android 应用程序的 Python 工具,DroidBot 可能会使用它来进行更深入的应用分析。
4.3 The Honeynet Project
The Honeynet Project 是一个致力于研究和开发网络安全工具的组织,DroidBot 是其开源项目之一。
通过以上步骤,您可以快速上手并使用 DroidBot 进行 Android 应用的自动化测试。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00