如何制作外挂(游戏辅助制作教程)

玩过电脑游戏的同学对外挂都不陌生，但是你有没有想过在使用的时候如何制作一个外挂呢？(当然用插件也没那么道德，呵呵)，那我们就来看看怎么用python做一个插件吧。。。。

我打开4399小游戏网，点开了一个不知名的游戏。嗯，寿司师傅会在边上放一些材料。当客人过来时，告诉他们想要什么。照着菜单给他端上来。为什么这么难？8种菜单我都记不住，但是点的时候都记不对，鼠标也不能让我肌肉拉伤什么的...

首先需要说明的是，这里的游戏外挂和大型网游中的游戏外挂概念是不一样的。不能自动打怪物，不能吸毒也不能躲避GM……做这个外挂有什么用？这是一个很好的问题，但是没什么用，除了可以浪费你的时间，提高你的编程技巧，为插件增加一点点基础。如果你是抱着做一个惊天动地的外挂的目标来的，一打开就超级神奇，恐怕你要失望了。请尽快绕道。我的目的很简单，就是自动玩这个小游戏。

工具的准备

本文要求你有Python基础。我就不解释Python语法什么的了~

计算机编程语言

需要安装Autopy和PIL和pywin32软件包。

Autopy是一个自动运行的python库，可以模拟一些鼠标键盘事件，也可以访问屏幕。本来想用win32api模拟输入事件，但是发现这个用起来比较简单。最棒的是它是跨平台的。请搜索并安装它；而著名的PIL，是Python图像处理的头号人物。下面是如何处理它:Pywin32其实没必要，但是为了方便(鼠标自行移动，如何结束)，建议安装。哦，对了，我是在win平台上做的，插件大概只有windows用户需要吧？

屏幕捕获和图像处理工具

截屏是获取游戏图像，用于分析游戏提示。事实上，没有专门的工具可以直接将打印屏幕粘贴到图像处理工具中。我用的是PicPick，相当好用，个人用户免费；而图像处理就是获取各种信息。我们需要用它来获取排序图像，并保存下来供外部分析判断。我用的是PhotoShop…不要告诉Adobe。其实PicPick自带的图片编辑器就足够了。只要能查图像坐标，能剪贴图片就饿了，不过习惯PS了~

编辑

这个不用我说，你需要编辑器写代码！我使用VIM，如果你喜欢，你可以使用平板电脑...

原理分析

我不想说外挂的历史。有兴趣的话可以问Google或者度娘(注:非技术问题可以用百度)。

看看这个游戏。菜有8种，每种菜都有固定的方法。一旦顾客坐下，他的头上会有一幅画。看着照片，他就知道自己想要什么了。点选左边的原料区域，然后点选...不知道叫什么。竹简之类的东西会把菜做完，然后把做好的菜拖放到顾客面前。

客户头上显示的图片位置是固定的，总共只有四个位置。我们可以逐个分析，原材料的位置也是固定的。每一道菜的做法都更加清晰，让我们完全可以判断，程序可以帮我们做出一顿美味的饭菜，端上来，于是钱滚滚而来:)

自动尸检简介

github上有一篇非常好的入门文章。虽然是英文，但是很简单。然而，我想举几个例子来说明我是勤奋的。

移动鼠标

导入autopy autocopy . mouse . move(100，100) #移动鼠标autopy.mouse.smooth _ move (400，400) #平滑移动鼠标(上图为瞬时)。该命令将使鼠标快速移动到指定的屏幕坐标。你知道屏幕坐标是多少，对吧？左上角是(0，0)，然后向右下方递增。

不过很遗憾，如果你实际使用这个命令，然后用autopy.mouse.get_pos()获取当前坐标，你会发现它不是在(100，100)上，而是更小，比如我机器上的(97，99)，这和分辨率有关。这个举动就是windows中的用户和mouse_event函数。如果你不知道api，知道这个就好了，就是这个坐标不是很准确。虽然我很好奇，但我能读懂autopy的源代码。我发现他计算绝对坐标的算法有问题:

point . x * = 0x ffff/GetSystemMetrics(SM _ CX screen)；这里，先做除法再做乘法。学过一点计算方法的人应该知道，对于整数运算，要先乘后除，否则会有很大误差。如果他写道:

point . x = point . x * 0x ffff/GetSystemMetrics(SM _ CX screen)；会准确很多。虽然理论上会慢一点，但是我也懒得改代码重新编译。差了几个像素，在这里对我们没有太大影响~要吸取教训。

点击鼠标

import autopy autocopy . mouse . Click()# Click autopy . mouse . toggle(True)#按下左键autopy.mouse.toggle(False) #松开左键。比较简单，但是要记住这里的操作非常非常快。可能游戏还没反应过来就结束了，所以你失败了...所以必要的时候请睡觉。

键盘操作

这次我们没有用键盘，我就不说了。

怎么做？分析一下客户头上的形象就好了。来，先从获取图像开始~

打开你喜欢的图片编辑器，开始测量~我们需要知道图片在屏幕上的具体位置，可以用尺子测量。直接测量也是可以的，但是我这里用的是屏幕左上角的位置(也就是点1)作为参考位置，这样一旦屏幕发生变化，我们只需要修改一个点的坐标，否则每个点都需要重写，并不是一件愉快的事情。

看最左边客户头像上的图像，我们需要两个点来确定这个范围，分别是图像的左上角和右下角，也就是点2和点3。后面有三个客户位，只需加一个增量，for循环就是为此而生的！

同样，我们的原材料的位置，“竹席”的位置等等都可以通过这种方式获得。注意相对于游戏画面左上角的相对位置。至于抓图的方法，PIL的ImageGrab非常好用，autopy也能抓图。为什么不呢？下面我就来说说。

分析图像

我们的插件出现了一个相当棘手的问题。我们怎么知道我们得到的图像是哪道菜呢？对于人眼来说…即使是狗眼，这也是一个相当容易的问题，“一眼就能看出来”！是的，这就是人比机器聪明的地方。我们可以做简单的事情，但计算机无法区分。

自动解剖图像限制

如果你看过autopy的api，你会发现它有一个带有find_bitmap方法的位图包，就是在大图中寻找小样本图。如果你聪明的话，可以想到我们可以把整个游戏画面切掉，然后准备所有菜品的小图像。用这种方法可以查出哪个菜叫。的确，起初，我也有这样做的冲动，但我立即放弃了...这种方法搜索图像，不考虑速度。它有一个“完全匹配”的条件。如果图像中某个像素的RGB值为1，就找不到了。我们知道flash是矢量图。它缩放后在屏幕上显示一个点阵图片，所以这里有很多变量。理论上，同样的算法，同样的输入，得到的结果一定是一致的，但是因为绘图背景的原因，总会有一点差距。正是这种差距使得这个奇妙的功能无法使用...

嗯，不能用是好事。不然我怎么引出我们高明的图像分析算法？

相似图像搜索原理

相信你一定用过谷歌的“按图片搜索”功能。如果不是，那你就落伍了。去试试吧！当你输入一张图片的时候，它会给你显示所有和这张相似的图片，所以当你找到一张喜欢的图片想做壁纸但是又觉得太小的时候，基本上可以用这个方法找到合适的~

我们要用类似于此的原理来判断用户的订购。当然，我们的算法不可能像谷歌的那么复杂。知乎上有一篇很好的文章描述了这个问题。有兴趣的话，请看一下。我直接给出实现:

def get_hash(self, img): image = img.resize((18, 13), Image.ANTIALIAS).convert("L") pixels = list(image.getdata()) avg = sum(pixels) / len(pixels) return "".join(map(lambda p : "1" if p > avg else "0", pixels))

因为这是类的一个方法，所以有个self参数，无视它。这里的img应该传入一个Image对象，可以使读入图像文件后的结果，也可以是截屏后的结果。而缩放的尺寸（18,13）是我根据实际情况定的，因为顾客头像上的菜的图像基本就是这个比例。事实证明这个比例还是挺重要的，因为我们的菜有点儿相似，如果比例不合适压缩后就失真了，容易误判（我之前就吃亏了）。def get_hash(self，img): image = img.resize((18，13)，image。抗锯齿)。转换(& # 34；L & # 34)pixels = list(image . get data())avg = sum(pixels)/len(pixels)return & # 34；"。join(map(lambda p:& # 34；1"如果p & gtavg else & # 340"，pixels))因为这是类的一个方法，所以有一个self参数。忽略它。这里要把img传入一个Image对象，可以做成读入图像文件后的结果，也可以做成截屏后的结果。而且缩放后的大小(18，13)是我根据实际情况决定的，因为菜在顾客头像上的形象基本就是这个比例。原来这个比例挺重要的，因为我们的菜有些相似。比例不合适，压缩后会失真，容易误判(我之前吃过亏)。

得到一张图片的“指纹”后，我们就可以和标准的图片指纹进行对比了。怎么比较呢？我们要用“汉明距离”，也就是两个字符串对应位置上不同字符的个数。实现也非常简单...

Def Hamming _ Dist (self，hash1，hash2):Return Sum(ITER tools . IMAP(operator . ne，hash1，has H2))好了，我们可以用准备好的标准图，然后提前读取计算特征码存储起来，然后截图和他们对比。距离最小的就是对应的菜，代码如下:

def order(self，i): l，t = self.left + i * self.step，self.top r，b = l + self.width，t+self . height has H2 = self . get _ hash(image grab . grab((l，t，r，b))) (mi，dist) = None，50 for i，hash1 in enumerate(self.maps):如果hash1为None:continue this _ dist = self . hamming _ dist(has H2)如果this _ dist & ltdist:mi = I dist = this _ dist return mi这里是初始距离50。如果抓取的图像与任何菜单相比都大于50，说明什么？说明那个位置的形象不是菜，也就是说客户还没坐到那个位置，或者我们把游戏最小化了(老板来了)。处理这个很重要，防止它随机找到最近的和边完全不搭的菜。

自动烹饪

这个问题很简单。我们只需要记录下菜单的原材料，点击相应的位置。我把它写成一个类来调用:

类菜单:def _ _ init _ _(self):self . stuff _ pos =[]self . recipes =[None]* 8 self . init _ stuff()self . init _ recipe()def init _ stuff(self):for I in range(9):self . stuff _ pos . append((L+102+(I % 3)* 42，T+303+(I/3)* 42))def init _ recipe(self):self . recipes[0]=(1，2) self.recipes[1] = (0，1，2) self . 1，2) def click(self，I):autopy . mouse . move(self . stuff _ pos[I][0]+20，self . stuff _ pos[I][1]+20)autopy . mouse . click()def make(self，I):for x in self . recipes[I]:self . click(x)autopy . mouse . move(L+315，T+363) autopy.mouse.click()这是这个插件中技术含量最低的类:)请原谅我不写注释和doc，因为它们

最后，我呈上边肖准备的python学习资料，关注一下，转发一下，给边肖写封私信& # 34；01"你可以免费得到它！。