ATOMac 技术文档
1. 安装指南
ATOMac 是一个用于在 Mac 应用程序上进行 GUI 测试的 Python 库。它通过 Apple Accessibility API 实现功能。在安装之前,请确保您的系统满足以下要求:
- 操作系统:OS X 10.6、10.7 或 10.8(10.5 版本可能也可用)
- Xcode 已安装
- 系统级辅助功能已启用:进入“系统偏好设置” > “通用” > 勾选“为辅助设备启用访问权限”
安装 ATOMac 的步骤如下:
$ sudo easy_install atomac
该命令将下载、构建并安装 ATOMac。
2. 项目使用说明
安装完成后,您可以使用 ATOMac 来启动应用程序。以下是一个示例:
>>> import atomac
>>> atomac.launchAppByBundleId('com.apple.Automator')
这将启动 Automator。接下来,获取应用程序自身的 UI 元素引用:
>>> automator = atomac.getAppRefByBundleId('com.apple.Automator')
现在,我们可以找到可访问性层次结构中的对象:
>>> window = automator.windows()[0]
>>> window.AXTitle
u'Untitled'
>>> sheet = window.sheets()[0]
ATOMac 支持读取和写入大多数属性。您可以使用 Xcode 自带的辅助功能检查器来快速查找这些属性。
ATOMac 提供了多种搜索方法来查找不同类型的可访问性对象。每个搜索方法,例如 windows,都有一个对应的递归搜索函数,例如 windowsR。递归搜索可以找到不仅是直接子对象,而是子对象的子对象。这些搜索方法可以提供条件来识别特定的元素。请注意,* 和 ? 可以用作所有 ATOMac 搜索方法中的通配符匹配字符。
>>> close = sheet.buttons('Close')[0]
ATOMac 还提供了一个方法来搜索符合多个条件的 UI 元素。这些条件是可访问性属性:
>>> close = sheet.findFirst(AXRole='AXButton', AXTitle='Close')
FindFirst 和 FindFirstR 返回找到的第一个符合条件的项目或 None。FindAll 和 FindAllR 返回一个包含所有符合条件的项目列表或空列表。
对象相当灵活。您可以获取对象支持的属性和动作列表:
>>> close.getAttributes()
[u'AXRole', u'AXRoleDescription', u'AXHelp', u'AXEnabled', u'AXFocused', ...]
>>> close.getActions()
[u'Press']
执行动作就像这样:
>>> close.Press()
任何动作都可以这样触发。
3. 项目 API 使用文档
ATOMac 的 API 设计易于使用,允许您通过 Apple Accessibility API 控制 Mac 应用程序。以下是部分 API 的使用方法:
launchAppByBundleId(bundle_id): 通过应用程序的 bundle ID 启动应用程序。getAppRefByBundleId(bundle_id): 通过应用程序的 bundle ID 获取应用程序的引用。windows(): 获取应用程序中的所有窗口。sheets(): 获取当前窗口的所有表单。buttons(title): 获取具有指定标题的所有按钮。findFirst(attributes): 查找符合指定属性的第一个 UI 元素。
更多 API 文档,请参考项目的官方文档。
4. 项目安装方式
如安装指南中所述,您可以通过以下命令安装 ATOMac:
$ sudo easy_install atomac
确保在安装之前系统满足所有依赖要求。
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