fz2026

本项目旨在解决批量 Android 终端执行重复性业务流程时人工效率低、定时精准度差、多设备难以协同等痛点。系统整合设备群控、视觉识别、分布式任务调度等技术，构建了一套高可用的自动化操作平台，适用于需要大规模设备并发执行定时或即时任务的各类业务场景。 软件核心功能涵盖：多设备自动发现与并发管理；基于 Redis 的分布式任务队列与优先级调度；定时任务与即时任务双模式支持；基于 OCR 文字识别与 OpenCV 图像模板匹配的 UI 元素智能定位；可视化参数配置与执行状态监控；异常重试与屏幕变化检测等容错机制。 核心功能模块包括： 设备管理模块：通过 ADB 协议自动扫描局域网内在线 Android 设备，动态维护设备池，支持多设备并行接入与状态监控。 视觉识别模块：集成阿里云 OCR 服务实现全屏文字识别与坐标提取，同时基于 OpenCV 实现图像模板匹配，提供双重元素定位策略，适配不同 UI 场景。 任务调度模块：采用 Redis 有序集合作为中央任务队列，以时间戳为 Score 实现任务的精准排序；Dispatcher 进程轮询分发，支持即时执行与"预执行-正式执行"两阶段复杂时序逻辑。 自动化引擎模块：基于 uiautomator2 封装点击、滑动、应用启停、截图等原子操作，支持区域限定点击、偏移点击、索引点击等高级交互模式。 配置与监控模块：基于 TKinter 构建 Windows 桌面配置端，支持业务参数录入、设备选择、功能模式切换、实时日志展示与任务状态反馈。 业务流程描述：用户通过可视化界面配置目标业务流程参数（如区域、分类、目标对象、索引等）及期望执行时间；系统校验参数后生成结构化任务并序列化存入 Redis 队列；Dispatcher 按时间策略轮询，将到期任务推送至对应设备的 Worker 进程；Worker 驱动设备完成解锁、应用启动、页面导航、元素识别与点击、结果确认等全链路操作；最终系统生成独立日志文件并反馈执行结果。

随着人才招聘市场的持续扩大，区域间岗位供需分布不均、行业招聘趋势难以直观量化等问题日益突出。传统的人工统计方式不仅效率低下，且无法实时反映招聘市场的动态变化。本项目旨在构建一套面向高校及人才服务机构的招聘数据智能采集与可视化分析平台，通过对公开招聘数据的自动化采集、结构化清洗与多维度可视化呈现，帮助用户快速掌握区域招聘态势与行业热门需求，为人才培养方案优化与就业指导决策提供数据支撑。 软件核心功能涵盖：多职业类别的自动化数据采集与增量更新；招聘信息的结构化解析与持久化存储；基于行政区划的招聘分布统计；热门专业需求的中文分词与词频分析；多图表联动的一站式可视化展示。 核心功能模块包括： 数据采集模块：基于 HTTP 协议对目标招聘平台的公开接口进行规范化请求，支持按职业大类分类采集，自动处理分页逻辑与异常中断恢复，实现数据的完整拉取。 数据清洗模块：对原始 JSON 数据进行字段过滤与格式标准化，统一行政区划名称（如将简称映射为全称），解决同源数据中的命名不一致问题，确保统计口径统一。 统计分析模块：利用 pandas 对清洗后的数据进行聚合运算，按省市维度统计岗位数量分布，生成结构化的排名数据，支持多职业类别的横向对比。 文本挖掘模块：引入 jieba 中文分词工具，对岗位专业要求进行分词处理与词频统计，提取高频需求关键词，构建行业热门技能画像。 可视化展示模块：基于 pyecharts 引擎生成交互式柱状图、词云图等多类型图表，采用 Tab 页签形式实现多图表联动展示，最终输出为独立 HTML 文件，便于跨平台浏览与分享。 业务流程描述：用户在交互界面选择目标职业类别（支持单类别与全类别批量模式）；系统根据选择触发采集任务，按分页策略拉取招聘数据并落盘为 JSON 文件；采集完成后自动进入数据清洗流程，完成行政区划名称标准化与空值过滤；清洗后的数据进入统计引擎，按省市维度聚合计算招聘人数；同时，文本挖掘引擎对专业要求字段进行分词与词频统计；最终，可视化引擎将统计结果与词频结果分别渲染为柱状图与词云图，整合至同一 HTML 页面的不同 Tab 页签中，用户通过浏览器即可查看完整的分析结果。