程序聚合软件案例基于罗技 G HUB 驱动的 Windows 键鼠宏控制工具-MouseControl v1.0

基于罗技 G HUB 驱动的 Windows 键鼠宏控制工具-MouseControl v1.0

2026-06-04 17:56:33

行业：游戏/电竞

载体：Windows应用

技术：Python、JSON for Modern C++

业务和功能介绍

MouseControl v1.0 是一款面向 Windows 场景的键鼠宏配置与执行工具，主要解决重复性键盘、鼠标操作需要手动执行、难以保存复用和难以适配不同窗口尺寸的问题。软件通过桌面 GUI 提供目标窗口选择、配置文件管理、宏步骤编辑、循环执行和运行状态控制等功能。用户可以在界面中选择当前可见窗口，创建或加载 JSON 宏配置，并编辑延迟、按键单击、按键按下/松开、鼠标移动、鼠标点击、随机移动、随机按键等步骤。程序支持 F8 启停、F12 紧急停止，执行时会根据目标窗口位置和尺寸进行坐标换算，支持基准分辨率坐标、绝对屏幕坐标和窗口归一化坐标，适合窗口大小变化或多分辨率环境下的自动化操作。同时项目提供诊断工具，用于检查 DLL 加载、驱动连接、屏幕 DPI、窗口列表、光标位置和键盘接口调用状态，方便快速定位运行问题。

项目实现

项目采用 Python 桌面应用架构，game_macro.py 负责主界面、配置管理、宏编辑器、热键监听和执行调度，logitech_driver.py 通过 ctypes 封装 ghub_device.dll，提供驱动级鼠标移动、点击、键盘按下/松开等能力，配置数据统一以 JSON 文件保存在 configs 目录中。我的主要工作包括设计 Tkinter 控制台式界面、实现 10 类宏步骤的可视化编辑、配置文件的新建/重命名/保存/加载、目标窗口枚举与坐标转换、后台线程执行宏循环，以及 F8/F12 热键控制。项目中重点解决了几个难点：一是 Windows DPI 缩放导致坐标偏移，通过设置进程 DPI 感知并按窗口尺寸换算坐标处理；二是部分环境下 DLL 绝对移动不稳定，改用闭环相对移动算法多次逼近目标坐标；三是宏中断后可能残留按键按住状态，因此维护已按下键盘和鼠标集合，在停止时统一释放并增加常用按键兜底释放；四是全局热键可能被全屏窗口或权限限制拦截，因此同时提供 Tkinter 绑定、keyboard 全局热键和 Win32 GetAsyncKeyState 备用监控，提高紧急停止可靠性。

示例图片视频

ssns

30天前活跃

方向：前端-Web前端、爬虫/脚本-爬虫/脚本、

交付率：100.00%

查看主页

相似推荐

Python 代码仓库分析工具-repopath

RepoPath 是一个帮助开发者快速理解陌生代码仓库的工具，支持分析本地项目目录和公开 GitHub 仓库。具备文件结构分析、Python/C++ 代码结构识别、模块依赖关系分析、Git 提交历史分析、代码阅读顺序推荐及变更热点识别等功能，可生成 Markdown 和 JSON 分析报告，并提供 Streamlit 可视化界面。

自动化批量操作数据-脚本

从管理系统后台批量读取数据，设计算法查找数据录入问题，修改后提交后台。由于涉及隐私数据，不方便上传代码，架构流程图画不是很会画。必须要上传文件，这些与在平台接单有什么用，能完成对方的需求不就可以了

某古籍平台

1.项目目标是实现古代诗词，现代诗词的后台管理，前台查询。 2.后台管理员对诗词维护。前台负责展示，具备各种检索功能。前台登录用户，可上传诗词，审核通过后，可共享到平台。 3.前台检索支持语音输入检索。

基于AI 驱动的行程规划-旅游问答应用

背景：传统旅行规划信息分散在各攻略平台，用户需自行跨渠道查景点、比门票、算预算、排行程，耗时且难以个性化；通用对话助手也无法对 "城市 + 预算 + 天数" 这类结构化输入做建模。目标：构建一个以 LLM 为核心的智能旅游助手 —— 输入目的地、预算、天数即可自动生成结构化行程规划（每日上午 / 下午 / 晚上安排、景点介绍、交通建议、预算分配、小贴士与注意事项），并提供流式 AI 旅游问答，以移动端优先的形态交付。 1. 行程规划模块（Home / Detail）：表单选择并校验目的地、预算（≥100 元）、天数（1–30 天），支持热门城市快捷选择；后端调用大模型按固定 JSON 结构生成行程，结果页以折叠卡片展示每日日程、预算分配、小贴士与注意事项，支持失败重试与超时友好提示。 2. AI 对话模块（Chat）：支持自由提问与快捷问题，采用 SSE 流式逐字渲染，带 "正在思考" 状态；行程详情页可一键携带城市上下文进入对话。 3. 个人中心模块（Profile）：注册、登录、退出（用户名密码 + 头像，localStorage 持久化）；历史记录区分对话 / 查询两类，支持滑动删除、一键清空与 20 条进度提示，点击可回跳对应行程或聊天；收藏与设置页当前为占位。 4. 后端服务模块（travel-II）：Express 提供 /api/travel/recommend、/api/travel/chat 及心跳接口；通过 LangChain ChatOpenAI 统一封装，支持 SiliconFlow / DeepSeek 双模型供应商切换。 - 行程规划流：首页表单（城市 / 预算 / 天数）→ 前端校验 → 写入历史 → 跳转 /detail → POST /recommend → 后端校验并组装 prompt → LLM 生成整份 JSON → 正则提取与解析 → Detail 渲染每日日程 / 预算 / 贴士 → 底部按钮进入 AI 对话。 - AI 对话流：Chat 输入或点击快捷问题 → 写入历史 → POST /chat（SSE）→ llm.stream 逐块产出 → streamUtils 以 data 事件推送 → 前端 fetchStream 逐字填充气泡 → complete 事件收尾。 - 个人中心流：登录 / 注册 → Profile → 收藏 / 历史 / 设置；历史条目点击回跳对应行程或聊天。

投资数据实时采集

1、立项背景和目标在量化分析、竞品监控及业务运营中，经常需要实时追踪网页上的关键指标（如股票行情、商品价格、实时流量数据等）。传统爬虫难以应对现代前端框架的动态渲染和复杂的反爬机制，人工监控又效率低下。本项目旨在基于Python与Playwright打造一套稳定、高效的实时采集工具，实现网页量化数据的自动化监控与留痕，为业务决策提供持续的数据支撑。 2、软件功能、核心功能模块的介绍本项目核心功能模块包括：自动化渲染与采集模块：基于Playwright驱动浏览器，自动访问目标页面，并智能等待JS内容渲染完毕，精准提取动态生成的指标数值。定时监控模块：支持自定义时间间隔，周期性提取页面数据，持续监控数据变动情况，实现实时追踪。数据导出与留存模块：将采集到的动态数据自动整理，并直接导出为Excel/CSV等表格文件，方便后续的数据分析与本地留存。 3、业务流程、功能路径描述用户配置目标网址与采集频率 -> 程序启动Playwright无头浏览器 -> 访问页面并等待指定元素渲染完成 -> 按设定周期提取页面动态指标数值 -> 数据清洗与格式化 -> 导出为表格文件并持久化存储 -> 进入下一轮监控循环。