万能答题助手

参考了微信跳一跳助手的思路，通过截取手机上面的题目，利用百度文字识别识别问题和答案。

运行

开启浏览器同步支持：

支持任意游戏模式：

科普性知识测试

回锅肉属于什么菜系

北京奥运会是什么时候

简洁版本：

我什么都不会勒，但是想带女友打怪升级

真有一个办法，提供了小白版本：

• 无需下载配置复杂的工具链
• 专人协助
• 一键运行

小白版本是基于目前的主干分支开发的，继承了主干分支的功能，主要是使用上面的配置的东西变少了，专门提供给不太懂技术的小白，大神请使用开源代码折腾。

小白版本 目前是需要收取一定的费用，价格是19.9（万能版本），如果只玩主流的四个，价格是9.9，请走捐赠入口捐赠后联系，或者加微信也可以，微信在最下面。

由于时间的问题，没时间维护这个小白了，所以小白版本停止发售。

只有 iphone, 没有 android 手机怎么办？

简单靠谱的办法是使用模拟器。

1. 首先还是要下载adb工具，下文有介绍
2. 下载夜神模拟器并安装
3. 安装完成后，打开 cmd, 检查是否有模拟器设备 adb devices
4. 在模拟器中安装答题应用
5. 运行答题辅助脚本python main.py,如果有问题下文有解决办法，请参照安装步骤

支持捐赠

• 微信入口
• 支付宝

捐赠后请给我留言，如下福利：

• 项目结束后，整体讲解
• 免安装版提供支持，已完成，无需任何下载
• 无条件辅助安装包

开课了，有想要学习的可以加入圈子，长期更新

微信小程序：

百度OCR

notice: 百度的注册开发者后，创建应用就可以看见自己的 key 和 secret 。

部署

1. 从python官网安装python3.6环境
2. pip install -r requirements.txt
3. 创建默认的临时文件夹mkdir -p screenshots
4. 修改默认的配置文件config.yaml,配置文件夹中可以配置临时数据目录和appcode

ADB工具配置

以 linux 为例：

1. 下载 android-platform-tools，访问google下载，默认 mac，windows， linux 均支持
2. 配置环境变量，进入 platform 目录下面export PATH=$(pwd):PATH配置 adb 工具到系统的 path 下面
3. 手机打开开发者模式
4. 使用usb连接手机后信任，adb devices来检查是否有自己的设备，确认已经连接
5. 接下来就进入百万英雄，等待有题目的时候就运行python main.py即可

Win 打包方法

1. 安装pyinstaller工具

pip install pyinstaller

2. 打包

pyinstaller main.spec

打包完成后，在dist文件夹下面会有打包后的release.

Release

• 2018/2/18: 开源pyinstaller的配置文件
• 2018/1/23: 使用多线程，改善mac上面的卡顿问题
• 2018/1/22: 增加数据同步设置
• 2018/1/21: 增加问题备份，增加搜狗，增加图片放缩，加速，游戏切换，自适应
• 2018/1/18: 增加uc辅助，另外修复统计bug
• 2018/1/15: 增加芝士大会的支持，另外增加特别关键字
• 2018/1/14: 新增知识库功能, 内置adb，小白版一键运行
• 2018/1/13: 增加浏览器支持，修复部分bug
• 2018/1/12: 更改搜索策略，自动决策，减少python依赖
• 2018/1/11: 结巴分词预编译和多核分词优化
• 2018/1/10： 增加ios分支，修复master文本摘要bug
• 2018/1/9： 修复答案获取bug，增加长文本信息摘要算法，增加百度OCR
• 2018/1/9： 使用相似度猜测答案，请切换分支使用

分支说明

• master: 主要是 Android 手机使用，支持汉王 / 百度识别 / ocrspace
• knearby: 根据文本关联度思想，答案更加清晰，目前只支持百度识别

V2 文本关联相似度分析

对于答题这样的项目，首先一个问题，然后有三个答案可以选择，能不能通过分别统计问题与三个答案的关联度来选择出正确的答案，由于数据采集是来自百度的，可能会受到部分广告数据的影响，但是在集合相当大的情况下，关联度还是会呈现正相关。

假设题目是：

中国历史上著名的科举制度开始于那个朝代？

• 汉朝
• 唐朝
• 隋朝

我们先用百度分别搜索汉朝，唐朝，隋朝，得到如下数据：

然后我们在用题目 + 答案的方式，搜索示例：

中国历史上著名的科举制度开始于那个朝代？ 汉朝 得到三次的搜索结果：

关联度计算方式：

K = count(Q&A) / (count(Q) * count(A))

关联度如下：

贡献者（不分先后）

• uniqhj
• wangfpp
• using1174
• kakalote2008
• lonelam
• luyiming
• Snownee

参考项目

• wuditken/MillionHeroes
• lingfengsan/MillionHero