youpaishidifu/msgbot
1
1
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

修复OCR乱码+KB全文返回: 裁剪48%+&提前清理+全角:转换+纯时间戳过滤+KB回复限200字

Browse Source 
1. cap_left 38%→48%（完全避开会话列表~30-55%）
   38%仍捕获到左侧KB预览文字（问题1/2…）混入OCR
   48%只捕获消息面板正文，KB预览不再出现

2. &清理移到时间戳分割前+全角:→半角:
   原来&在分割后才清理，"13：5&07"无法被时间戳正则捕获
   分割前清理→"13:5 07"可匹配时间戳→分割出独立段
   全角:统一半角，后续正则只匹配半角

3. 时间戳段用\d{1,2}（允许单数字分钟）
   分割后"07""15"等纯数字段被^[\d:\s]+$过滤
   之前"13:5  07 14:2  15"整段因含空格，^\d{1,2}[:：]\d{2}不匹配

4. auto_reply非Q&A文档回复限200字（之前500仍过多）
   子串匹配触发的全文返回只回复前200字符

5. KB行级预览过滤移除（与用户消息混行时误杀）
   段级别^问题\d+过滤器已足够，配合新裁剪基本不会触发
This commit is contained in:
youpaishidifu
2026-07-26 16:37:41 +08:00
parent 0e02a4a44c
commit 8963a34b6a
8 changed files with 28 additions and 18 deletions
Download Patch File Download Diff File Expand all files Collapse all files
monitor.py
+23 -15
View File
@@ -592,11 +592,11 @@ class MessageMonitor:
# 先切 QQ 到前台再截屏，避免 CMD 窗口遮挡→OCR 读到终端文字
self._ensure_foreground(hwnd)
time.sleep(0.15)
# 左边界 38%（在会话列表 ~55% 右侧，仅捕获消息面板）
# 25% 覆盖联系人+会话列表+消息面板 → OCR 读三面板混合文字（KB预览混入消息）
# 38% 从会话列表偏右开始，避开会话列表中的 KB 预览文字
# 左边界 48%（消息面板 ~55-100%，完全避开会话列表 ~30-55%）
# 38% 还抓到了会话列表右侧的 KB 预览文字（问题1/2…等混入 OCR 文本）
# 48% 更深入消息面板，只捕获消息正文区域
# 右边界 97%（比 95% 宽 2%），减少右侧时间戳被裁成 & 碎片
cap_left = int(left + win_w * 0.38)
cap_left = int(left + win_w * 0.48)
cap_top = top + max(40, int(win_h * 0.04)) # 标题栏下方
cap_right = int(left + win_w * 0.97) # 稍宽避免时间戳裁剪
cap_bottom = bottom - max(100, int(win_h * 0.10)) # 输入框上方
@@ -643,12 +643,19 @@ class MessageMonitor:
expanded = []
for rl in ocr_lines:
rl = self._normalize_ocr_text(rl)
# 先清理 & 碎片（OCR 把时间戳右边缘的 : 读成 &）
# 必须在时间戳分割前做，否则 "13：5&07" 无法被时间戳正则捕获
rl = rl.replace('&', '')
# 把全角 ：统一成半角 :，让后续正则统一匹配
rl = rl.replace('：', ':')
# 分割"msg1 14:24 msg2 13:27 msg3" → ["msg1", "msg2", "msg3"]
# re.split 捕获组让时间戳也出现在结果中，用来做分隔边界
parts = re.split(r'(\d{1,2}[:：]\d{2}(?:[:：]\d{2})?)', rl)
# 使用更宽松的 \d{1,2}（允许单数字），因为 & 移除后 "5&07"→"507"
# 打破的时间戳如 "13:5 07" 也尽量捕获
rl = re.sub(r'\s+', ' ', rl) # 多重空格压为一个
parts = re.split(r'(\d{1,2}:\d{1,2}(?::\d{1,2})?)', rl)
buf = ''
for part in parts:
if re.match(r'^\d{1,2}[:：]\d{2}', part):
if re.match(r'^\d{1,2}:\d{1,2}', part):
# 遇到时间戳 → 前面的 buf 为一条完整消息
if buf.strip():
expanded.append(buf.strip())
@@ -660,7 +667,7 @@ class MessageMonitor:
ocr_lines = expanded
texts = []
for line in ocr_lines:
# 注: OCR 行已在分割时 normalize，此处不再重复 normalize
# 注: OCR 行已在分割时 normalize+全角:转换+&清理，此处不再重复
if not line:
continue
# ⭐ QQ NT 界面固定噪声：整行匹配直接跳过
@@ -675,11 +682,13 @@ class MessageMonitor:
line = re.sub(r'[勖彐"\'\s\u2000-\u206f]+$', '', line)
if not line:
continue
# 过滤 KB 预览文字："问题1：你叫什么名字答：你好我叫123" — 会话列表显示的 KB 内容
if re.match(r'^问题\d+[：:]', line):
# 过滤 KB 预览文字（行起始）: "问题1：你叫什么名字答：你好我叫123"
# 注意：行中 KB 预览在分割前 rl 阶段已按整行丢弃，此处只过滤以问题开头的残留
if re.match(r'^问题\d+\s*[:：]', line):
continue
# 过滤纯时间戳垃圾：整段只有数字、冒号、空格（如 "13:5 07 14:2 15"）
if re.match(r'^[\d:\s]+$', line):
continue
# 过滤仅含时间戳混 & 碎片："13：5 & 07" — 右侧裁剪导致
line = line.replace('&', '')
# 半角全角数字混杂的界面碎片（如 "1.0s 0．35后监控应用设置"）
line = re.sub(r'^\d+[\.．]\d+s?\s*\d*[．\.]?\d*', '', line)
line = re.sub(r'^[\d．\.\s]{2,20}[一-鿿]{1,5}?[，。、]', '', line)
@@ -687,11 +696,10 @@ class MessageMonitor:
continue
if self._is_system_message(line):
continue
# ⭐ 纯中文短文本不一定是消息正文——但 1-15 过滤太宽会杀真消息
# 改为只过滤单字符纯中文，多字符的 UI 噪声由 _is_system_message 处理
# 纯中文短文本（1 字符）— UI 噪声碎片
if re.match(r'^[一-鿿]{1}$', line):
continue
if re.match(r'^\d{1,2}[:：\s]\d{2}', line):
if re.match(r'^\d{1,2}[:：\s]\d{1,2}', line):
continue
if re.match(r'^\d{4}[/-]\d{1,2}', line):
continue