OnmyojiAutoScript中石距功能异常的技术分析与解决方案
2025-07-01 07:30:42作者:明树来
问题现象描述
在OnmyojiAutoScript项目运行过程中,当用户尝试执行石距副本功能时,系统在进入组队界面后出现了异常行为。具体表现为脚本不断循环点击石距组队列表,但无法正常进入下一步操作流程。
技术分析
从日志中可以观察到几个关键的技术细节:
-
OCR识别异常:日志显示系统将"石距"错误地识别为"石距#",这个额外的"#"符号导致了后续的匹配失败。
-
点击循环:系统在检测到"石距#"后,持续在坐标(254,400)附近进行点击操作,共重复了15次,最终触发了防呆机制"Too many click for a button"错误。
-
UI状态检测:系统能够正确识别当前处于"page_team"页面,但在处理特定副本选择时出现了问题。
根本原因
经过深入分析,该问题的根本原因在于:
-
OCR预处理不足:当前的OCR模块在处理游戏界面文字时,未能有效过滤特殊字符,导致识别结果包含不应存在的"#"符号。
-
字符串匹配逻辑不严谨:在副本选择逻辑中,系统使用了严格的字符串匹配方式,未能考虑到OCR可能引入的额外字符。
-
容错机制缺失:当OCR识别出现偏差时,系统缺乏有效的容错处理机制,导致进入无效点击循环。
解决方案
针对上述问题,建议采取以下改进措施:
-
OCR结果后处理:
- 添加结果清洗逻辑,自动去除识别结果中的非文字符号
- 实现模糊匹配算法,提高对OCR误差的容忍度
-
增强字符串匹配:
- 改用包含(in)操作而非全等(==)比较
- 实现基于相似度的匹配算法,如编辑距离
-
完善错误处理:
- 添加OCR结果验证机制
- 设置合理的重试次数限制
- 增加异常情况的明确提示
实现建议
对于开发者而言,具体的代码改进可以集中在以下几个部分:
- 修改副本识别模块,增加字符串清洗步骤:
def clean_ocr_text(text):
# 移除所有非中文字符和数字
return re.sub(r'[^\u4e00-\u9fa5\d]', '', text)
- 更新匹配逻辑,使用更灵活的比较方式:
if "石距" in cleaned_text:
# 执行石距相关操作
- 添加重试机制和错误处理:
max_retries = 3
retry_count = 0
while retry_count < max_retries:
text = ocr.detect()
if "石距" in clean_ocr_text(text):
break
retry_count += 1
else:
raise RuntimeError("无法识别石距副本")
总结
OnmyojiAutoScript中石距功能异常的问题展示了自动化脚本开发中常见的OCR处理挑战。通过增强OCR结果的清洗和验证、改进字符串匹配算法、完善错误处理机制,可以有效提升脚本的鲁棒性。这类问题的解决不仅限于当前案例,也为处理游戏中其他基于文字识别的功能提供了可复用的解决方案模式。开发者应当重视自动化测试中OCR环节的可靠性建设,这是保证脚本长期稳定运行的关键因素之一。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
8
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
654
279
暂无简介
Dart
637
145
Ascend Extension for PyTorch
Python
199
219
仓颉编译器源码及 cjdb 调试工具。
C++
128
860
React Native鸿蒙化仓库
JavaScript
246
316
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
213
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.12 K
630
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
76
100