程序員告訴你如何用技術手段玩轉沖頂大會
作者簡介：楊光，CSDN 博客專家，中科院軟體所研發工程師，曾參與網易熱、網易花田的研發工作，擅長移動應用開發，平時喜歡彈琴，也經常在博客中寫一些技術文章，歡迎一起交流討論。博客：http://blog.csdn.net/steveyg
聲明：本文精選自 CSDN 博客，已獲作者授權，內容僅供技術學習交流。
最近一兩天，「直播答題」已席捲互聯網。王思聰力推《沖頂大會》、周鴻禕的花椒直播上線《百萬作戰》、今日頭條&西瓜視頻推出《百萬英雄》、映客在線答題《芝士超人》、一直播的《黃金十秒》……彷彿一夕之間，眾多互聯網直播版《開心辭典》冒了出來。
這些直播答題的題目範圍涉及很廣，天文地理歷史科學娛樂影視音樂詩歌禮儀等，每次活動共 12 道題，也難怪王思聰會挑釁地說「覺得自己很聰明可以來試試」，反正，規則就是 10 秒中之內未答題和答錯題都將被淘汰，且無法角逐當期的獎金。
雖然通過邀請好友可以獲得復活次數，但是畢竟復活很寶貴，而且每輪只能復活一次，如果復活之後答錯會更加可惜。那麼怎麼樣才能夠短時間內提升我們的準確率呢？
原理說明
1. 手機進入沖頂大會（或其他答題類 App）；
2. 獲取屏幕截圖：
iPhone 可以通過 WDA 進行圖片截取，或者通過 AirPlay/QuickTime 投影到電腦上截取，Mac 顯示 iPhone 屏幕可參考教程：https://jingyan.baidu.com/article/64d05a02514064de54f73b7c.html
Android 可以通過 adb 截圖並拉取到本地。
#adb進行截圖 adb shell screencap -p /sdcard/autojump.png
adb pull /sdcard/autojump.png .
3. 通過 OCR 將題目和選項識別出來，此處使用了百度的 OCR，你也可以選用任意你喜歡的 OCR，如 tesseract-ocr 等；
4. 使用三種方法對識別出的問題進行判斷。
#直接用瀏覽器打開問題 def open_wabpage(question): webbrowser.open("https://baidu.com/s?wd=" + question) #根據問題搜索結果計算每個選項出現的次數 def words_count(question,answers): print "根據詞頻:" req = requests.get(url="http://www.baidu.com/s", params={"wd": question}) body = req.text counts = [] for answer in answers: num = body.count(answer) counts.append(num) print answer + " ---> " + str(num) return counts; #計算問題＋每個選項搜索的結果數 def search_count(question,answers): print "根據結果數量：" counts = [] for answer in answers: req = requests.get(url="http://www.baidu.com/s", params={"wd": question +"%20"+answer}) body = req.text start = body.find(u"百度為您找到相關結果約") + 11 body = body[start:] end = body.find(u"個") num = body[:end] num = num.replace(",", "") counts.append(num) print answer + " ---> " + str(num)
return counts
第一種方式是最直接的，但是打開瀏覽器比較耗時，而且不方便，所以將它作為優先順序最低的可選操作。後兩種方式能夠較為準確的得出問題和每個選項之間的關聯關係，綜合他們的結果進行選擇。
使用教程
1. 下載代碼並安裝 Python 2.7 環境，代碼地址見文末；
2. 安裝百度 ORC 庫；
pip install baidu-aip
3. 在百度雲（https://cloud.baidu.com/product/ocr.html）中創建一個項目，獲取相應的 App ID、API Key 以及 secret_key，在 config.py 中進行替換；
4. 在 img_utils 中選擇你喜歡的獲取圖片的方式，並且調整截圖區域；
5. 在終端中運行。
python main.py
搜索相應的問題吧！
運行截圖
更新
2018.01.11 沖頂大會增加了 API 直接抓題功能，幾乎無需配置即可分析答案，詳情見文末 GitHub。
輔助工具只能夠提升準確率，對於一些很坑很怪的問題可能依然會存在一定問題，後面會不斷對判斷策略進行優化，也歡迎大家提出一些更優的策略。
代碼地址：https://github.com/steveyg/AnswerHelper
TAG:CSDN |