如何使用Python自动控制windows桌面

前言

在使用PC时与PC交互的主要途径是看屏幕显示、听声音，点击鼠标和敲键盘等等。在自动化办公的趋势下，繁琐的工作可以让程序自动完成。比如自动化测试、自动下单交易等。很多软件除了可以GUI方式操作外还可以用CLI接口操作，不过当一些软件未提供CLI接口时，我们应该怎么办呢？我们还可以用程序控制桌面上的窗口、模拟点击鼠标或按下键盘等动作来释放自己。

pywin32是一个Python库，它为Python提供访问Windows API的扩展，提供了齐全的windows常量、接口、线程以及COM机制等等，安装后会自带一个pythonwin的IDE。接下来主要介绍下如何通过Python去操作windows桌面软件。

1、打开软件或文件

比如打开一个谷歌浏览器，或者打开一个word文件，如下所示：

win32api.ShellExecute(1, 'open',
 r'C:Program Files (x86)GoogleChromeApplicationchrome.exe',
 '', '', 1)
win32api.ShellExecute(1, 'open',
 r'C:UsersJayDesktopEnvironment Guider.docx',
 '', '', 1)

win32api.ShellExecute()的参数主要包括：

• HWND：指定父窗口句柄
• Operation：指定动作， 譬如"edit",“explore”,“open”,“find”,“print”,“NULL”
• FileName：指定要打开的文件或程序
• Parameters：指定打开程序所需参数
• Directory：缺省目录
• ShowCmd：打开选项，可选值:
  • SW_HIDE = 0; {隐藏窗口，活动状态给令一个窗口}
  • SW_SHOWNORMAL = 1; {用最近的大小和位置显示窗口, 同时令其进入活动状态}
  • SW_NORMAL = 1; {用当前的大小和位置显示一个窗口，不改变活动窗口}
  • SW_SHOWMINIMIZED = 2; {最小化窗口，并将其激活}
  • SW_SHOWMAXIMIZED = 3; {最大化窗口，并将其激活}
  • SW_MAXIMIZE = 3; {同 SW_SHOWMAXIMIZED}
  • SW_SHOWNOACTIVATE = 4; {用最近的大小和位置显示一个窗口，不改变活动窗口}
  • SW_SHOW = 5; {用当前的大小和位置显示一个窗口，令其进入活动状态}
  • SW_MINIMIZE = 6; {最小化窗口, 不激活}
  • SW_SHOWMINNOACTIVE = 7; {同 SW_MINIMIZE}
  • SW_SHOWNA = 8; {用当前的大小和位置显示一个窗口，不改变活动窗口}
  • SW_RESTORE = 9; {同 SW_SHOWNORMAL}
  • SW_SHOWDEFAULT = 10; {同 SW_SHOWNORMAL}
  • SW_MAX = 10; {同 SW_SHOWNORMAL}

执行成功会返回应用程序句柄， 如果返回值 <= 32，则表示执行错误。返回值可能的错误有:

• 0—— {内存不足}
• 2—— {文件名错误}
• 3—— {路径名错误}
• 11—— {EXE 文件无效}
• 26—— {发生共享错误}
• 27—— {文件名不完全或无效}
• 28—— {超时}
• 29—— {DDE 事务失败}
• 30—— {正在处理其他 DDE 事务而不能完成该 DDE 事务}
• 31—— {没有相关联的应用程序}

2、查找窗体的句柄

在win32编程的世界里，包括窗口到文本框的所有控件都是窗体，所有的窗体都有独立的句柄。要操作任意一个窗体，都需要找到这个窗体的句柄。句柄是一个32位整数，在windows中用于标记对象。比如查找Snipping Tool和New Text Document.txt的句柄，如下所示：

para_hld = win32gui.FindWindow(None, "Snipping Tool")# 1836416
para_hld = win32gui.FindWindow(None, "New Text Document.txt - Notepad")# 591410

win32gui.FindWindow()属于win32gui的模块，它自顶层窗口（也就是桌面）开始搜索条件匹配的窗体，并返回这个窗体的句柄。该函数仅能查找主窗口，因此无法搜索子窗口，也不区分大小写，未找到则返回0。

win32gui.FindWindow()的参数主要包括 (lpClassName=None, lpWindowName=None):

• lpClassName：字符型，窗体的类名，可以在Spy++里找到
• lpWindowName：字符型，窗口名，也就是标题栏上能看见的那个标题。

3、查找句柄的类名和标题

比如通过Snipping Tool和New Text Document.txt的句柄查找对应的类名和标题，如下所示：

title = win32gui.GetWindowText(1836416)
classname = win32gui.GetClassName(1836416)
print "windows handler:{0}; title:{1}; classname:{2}".format(1836416, title, classname)

打印显示如下：

windows handler:1836416; title:Snipping Tool; classname:Microsoft-Windows-Tablet-SnipperToolbar
title = win32gui.GetWindowText(591410)
classname = win32gui.GetClassName(591410)
print "windows handler:{0}; title:{1}; classname:{2}".format(591410, title, classname)

打印显示如下：

windows handler:591410; title:New Text Document.txt - Notepad; classname:Notepad

4、调用win32gui.EnumWindows()枚举所有窗口句柄

直到最后一个顶层窗口被枚举则停止枚举过程。如下所示：

hWndList = []
win32gui.EnumWindows(lambda hWnd, param: param.append(hWnd), hWndList)
print hWndList
for hwnd in hWndList:
 title = win32gui.GetWindowText(hwnd)
 print title

打印显示如下：

[852802L, 65946L, 65928L, 65930L, 65900L, 65920L, 65924L, 65922L, 65944L, 65892L, 65886L, 6817870L, 65960L, 6031410L, …… 66052L, 65734L]
……
New Text Document.txt - Notepad
Snipping Tool
DDE Server Window
OfficePowerManagerWindow
OfficePowerManagerWindow
DDE Server Window
GDI+ Window
Global Internet Access
……

5、win32gui.SetForegroundWindow()函数将指定窗体设置到最顶层，并且激活该窗口

构造函数为：win32gui.SetWindowPos（HWN hWnd，HWND hWndlnsertAfter, int X，int Y, int cx，int cy, UNIT．Flags）

关于win32gui.SetForegroundWindow(para_hld)报错的问题：

pywintypes.error: (0, ‘SetForegroundWindow', ‘No error message is available')

其实调用SetForegroundWindow()会有很多限制，参考官网的说明

因此调用SetForegroundWindow()时需要查看当前运行的条件是否符合上述要求，此处在调用SetForegroundWindow()前事先发送一个键盘event来解决该问题。

例程如下所示：

win32api.keybd_event(13, 0, 0, 0) #
win32gui.SetForegroundWindow(para_hld)

6、win32api.keybd_event()模拟键盘输入

构造函数如下所示：

win32api.keybd_event (bVk, bScan, dwFlags, dwExtraInfo)

• bVk：虚拟键码（键盘键码对照表见附录）；
• bScan：硬件扫描码，一般设置为0即可；
• dwFlags：函数操作的一个标志位，如果值为KEYEVENTF_EXTENDEDKEY则该键被按下，也可设置为0即可，如果值为KEYEVENTF_KEYUP则该按键被释放；
• dwExtraInfo：定义与击键相关的附加的32位值，一般设置为0即可。

按下enter键后抬起的例程如下所示：

win32api.keybd_event(13,0,0,0) # enter
win32api.keybd_event(13,0,win32con.KEYEVENTF_KEYUP,0) #释放按键

7、模拟鼠标输入

直接给出例程，如下所示：

# 获取鼠标当前位置的坐标
print win32api.GetCursorPos()
# 将鼠标移动到坐标处
win32api.SetCursorPos((100, 100))
# 左点击
win32api.mouse_event(win32con.MOUSEEVENTF_LEFTDOWN, 100, 100, 0, 0)
time.sleep(2)
win32api.mouse_event(win32con.MOUSEEVENTF_LEFTUP, 100, 100, 0, 0)

8、关于鼠标键盘的操作还可以使用PyUserInput库

PyUserInput是一个使用python的跨平台的操作鼠标和键盘的模块，使用非常方便。支持的平台及依赖如下：

• Linux - Xlib
• Mac - Quartz, AppKit
• Windows - pywin32, pyHook

实例化一个鼠标和键盘对象，如下所示：

from pymouse import PyMouse
from pykeyboard import PyKeyboard
m = PyMouse()
k = PyKeyboard()
操作鼠标和键盘，如下所示：
m.click(190,70,1)#移动并且在xy位置点击
time.sleep(2)
m.click(190, 200, 1)#移动并且在xy位置点击
time.sleep(2)
k.tap_key(k.function_keys[5])#–点击功能键F5

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。