大部分都是截屏发给AI，然后给你答案，很好的创意，但是无法实现完全自动化
这个方法给了各位一个新思路，利用AI编写脚本实现完全自动化{:1_893:}
这个项目经过实验，其实对于无代码能力的人也是非常友好，不需要手动更改任何代码便可完成（不需要一定编程基础）
利用 cursor 编写刷题脚本
项目地址：GitHub - LY-zhang-yi-hao/刷题脚本
附上详细的讲解视频：点击观看
实现效果：
初衷
在当今教育环境下，经常需要面对大量重复性的练习题。为了减轻负担，借助AI技术开发刷题脚本，合理分配娱乐时间（狗头）
AI技术的快速发展，特别是Cursor等AI编程助手的出现，即使编程基础较弱的同学也能轻松开发出实用的刷题工具。本项目旨在降低编程门槛，让更多学生受益于AI技术。
[color=]定位：
编程有一点基础，能看懂基本的语句，这个脚本主要利用python进行编写，css和javascript需要用到，但是都是利用AI以及查阅资料进行编写。
前言
[color=]10月在GitHub已经开源了一个简单的刷题脚本.
项目地址：
本项目使得刷题的脚本的编写下限变低，利用阿里云模型回答问题，不需要进行题库的编写或网页搜索还需绕过许多反爬。
将问题发送给AI，拿到答案后，进行回答填写。
本代码只是提供一个示例。
另外根据浏览器类型，需要不同的浏览器驱动，请自行谷歌搜索下载，code已经注释，请勿忘更改路径。
ps：需要简单的css基础或利用截图发给AI给出定位网页元素的python代码，获取问题和填写答案。
正文
[ol]
Microsoft Edge WebDriver | Microsoft Edge Developer
[/ol]
项目实战
逻辑 ：
[ol]
[/ol]
cursor 输入内容：
我的角色：我是一个python小白，没有相应的css和javascript基础，所以请你对以后的代码写好非常详细的注释。
任务: 请你帮我写一个python刷题脚本，打开edge浏览器，具体的题目网址： https://www.jsyks.com/ ，然后点击一些选项（待定，我给你具体的网页元素位置）拿到题目和选项，将题目和选项发送给阿里云大模型，阿里云模型回答问题，得到答案后，再进行答案填写。
我的Edge驱动路径，'D:/python/msedgedriver. exe'
这是调用阿里云api的代码：
from http import HTTPStatus
import dashscope
from dashscope import Generation
import random
import json
class DashScopeAPI:
def __init__(self):
# 配置API-KEY
dashscope.api_key = "sk-f02484ea78744f5a90a6b680bc288dbb"
#单轮对话
def call_with_messages(self, messages):
response = Generation.call(
model="qwen-turbo",
messages=messages,
# 设置随机数种子seed，如果没有设置，则随机数种子默认为1234
seed=random.randint(1, 10000),
# 将输出设置为"message"格式
result_format='message'
)
if response.status_code == HTTPStatus.OK:
print(response.output.choices[0]['message']['content'])
# print(response)
else:
print('Request id: %s, Status code: %s, error code: %s, error message: %s' % (
response.request_id, response.status_code,
response.code, response.message))
if __name__ == '__main__':
dsapi = DashScopeAPI()
messages = [
{'role': 'system', 'content': 'You are a helpful assistant.'},
{'role': 'user', 'content': '我的题目，请你只需要回答答案即可。91、实验室电器设备所引起的火灾，应：A．用水灭火B．用二氧化碳或干粉灭火器灭火C．用泡沫灭火器灭火'},
]
# 单轮对话
dsapi.call_with_messages(messages)
后续慢慢截图和调试就可以了，详情看我的视频（建议二倍速食用）
最后代码
#导入所需的库
from selenium import webdriver # 用于控制浏览器
from selenium.webdriver.common.by import By # 用于定位网页元素
from selenium.webdriver.support.ui import WebDriverWait # 用于等待网页元素加载
from selenium.webdriver.support import expected_conditions as EC # 用于设置等待条件
from selenium.webdriver.edge.service import Service # 用于设置Edge浏览器驱动
from http import HTTPStatus # 用于处理HTTP状态码
import dashscope # 阿里云API
from dashscope import Generation # 阿里云生成模型
import random # 用于生成随机数
import time # 用于添加延时
import json # 用于处理JSON数据
class AutoExam:
def __init__(self):
"""
初始化自动答题类
设置浏览器驱动并创建浏览器实例
"""
# 创建Edge浏览器驱动服务
service = Service('D:/python/msedgedriver.exe')
# 创建浏览器实例
self.driver = webdriver.Edge(service=service)
# 创建等待对象，最长等待时间为10秒
self.wait = WebDriverWait(self.driver, 10)
# 创建阿里云API实例
self.dsapi = DashScopeAPI()
def start_exam(self):
"""
开始考试：
1. 打开指定网址
2. 等待页面加载
3. 点击"顺序练习"链接
"""
try:
# 打开指定网址
self.driver.get("https://www.jsyks.com/")
# 等待页面完全加载
time.sleep(3)
# 只使用一种最可靠的定位方式
practice_link = self.wait.until(
EC.presence_of_element_located((By.XPATH, "//a[.//img[@alt='科目一顺序练习']]"))
)
# 使用JavaScript点击元素，避免被遮挡的问题
self.driver.execute_script("arguments[0].scrollIntoView(true);", practice_link)
time.sleep(1) # 等待滚动完成
self.driver.execute_script("arguments[0].click();", practice_link)
# 等待新页面加载
time.sleep(3)
# 切换到新打开的标签页
self.driver.switch_to.window(self.driver.window_handles[-1])
# 等待题目页面加载完成
self.wait.until(
EC.presence_of_element_located((By.ID, "ExamTit"))
)
except Exception as e:
print(f"启动考试时出错: {e}")
print("具体错误：无法找到或点击'顺序练习'链接")
# 如果发生错误，尝试关闭浏览器
self.driver.quit()
raise # 重新抛出异常，中止程序
def get_question_content(self):
"""
获取题目内容
返回值：题目文本，如果出错返回None
"""
try:
# 增加重试机制
for _ in range(3): # 最多重试3次
try:
# 等待题目元素出现并获取文本
question_element = self.wait.until(
EC.visibility_of_element_located((By.ID, "ExamTit"))
)
# 获取题目文本并清理多余的空格和特殊字符
question_text = question_element.text.replace('\u00A0', ' ').strip()
if question_text: # 确保获取到了文本
print("\n获取到的题目：")
print(question_text)
return question_text
time.sleep(1)
except:
time.sleep(1)
raise Exception("无法获取题目内容")
except Exception as e:
print(f"获取题目时出错: {e}")
return None
def get_options(self):
"""
获取所有选项内容
返回值：选项文本列表，如果出错返回None
"""
try:
# 增加重试机制
for _ in range(3): # 最多重试3次
try:
# 等待选项列表元素出现
options_list = self.wait.until(
EC.visibility_of_element_located((By.ID, "ExamOpt"))
)
options = []
# 遍历选项A到D
for option_id in ['ExamOptA', 'ExamOptB', 'ExamOptC', 'ExamOptD']:
option_element = self.wait.until(
EC.visibility_of_element_located((By.ID, option_id))
)
# 获取label元素中的文本
label_text = option_element.find_element(By.TAG_NAME, "label").text
if label_text: # 确保获取到了文本
options.append(label_text)
if len(options) == 4: # 确保获取到了所有选项
print("\n获取到的选项：")
for i, option in enumerate(options):
print(f"{chr(65+i)}. {option}") # 打印 A. xxx, B. xxx 等
return options
time.sleep(1)
except:
time.sleep(1)
raise Exception("无法获取完整的选项内容")
except Exception as e:
print(f"获取选项时出错: {e}")
return None
def choose_answer(self, answer):
"""
选择答案
参数：
answer: AI返回的答案文本
"""
try:
# 从AI答案中提取选项字母（A、B、C、D）
# 处理可能的答案格式：'B' 或 'B、12个月' 或 'B.'等
answer = answer.strip().upper() # 转换为大写并去除空格
option_letter = answer[0] # 获取第一个字符
# 验证是否是有效的选项
if option_letter not in ['A', 'B', 'C', 'D']:
print(f"无效的答案格式: {answer}")
return
option_id = f"in{option_letter}" # 构造选项ID，例如"inA"
# 找到对应的单选按钮并点击
answer_element = self.wait.until(
EC.element_to_be_clickable((By.ID, option_id))
)
# 使用JavaScript点击元素，避免可能的点击问题
self.driver.execute_script("arguments[0].click();", answer_element)
print(f"已选择答案: {option_letter}")
except Exception as e:
print(f"选择答案时出错: {e}")
print(f"尝试选择的答案选项: {answer}")
def submit_to_ai(self, question, options):
"""
将题目提交给AI获取答案
参数：
question: 题目文本
options: 选项列表
返回值：AI的答案
"""
# 将题目和选项组合成完整的问题
full_question = f"{question}\n" + "\n".join(options)
# 构造发送给AI的消息，强调只需要返回选项字母
messages = [
{'role': 'system', 'content': 'You are a helpful assistant. Please only respond with a single letter (A, B, C, or D) as the answer.'},
{'role': 'user', 'content': f'请只回答选项字母（A、B、C、D），不要包含其他内容。题目：{full_question}'}
]
# 调用AI获取答案
answer = self.dsapi.call_with_messages(messages)
if answer:
print("\nAI的答案：")
print(answer)
return answer
def click_next_question(self):
"""
点击下一题按钮
返回值：是否成功点击下一题
"""
try:
# 通过span标签文本定位"下一题"按钮
next_button = self.wait.until(
EC.element_to_be_clickable((By.XPATH, "//span[text()='下一题']"))
)
next_button.click()
time.sleep(2) # 等待新题目加载
return True
except Exception as e:
print(f"点击下一题时出错: {e}")
return False
def run(self):
"""
运行主程序
控制答题流程 - 循环处理题目直到用户选择退出
"""
try:
# 开始考试
self.start_exam()
question_count = 0
while True:
question_count += 1
print(f"\n正在处理第 {question_count} 题...")
# 获取题目内容
question = self.get_question_content()
# 获取选项内容
options = self.get_options()
# 如果成功获取到题目和选项
if question and options:
# 获取AI答案
ai_answer = self.submit_to_ai(question, options)
# 选择答案
self.choose_answer(ai_answer)
print(f"\n第 {question_count} 题完成！")
# 询问用户是否继续下一题
user_input = input("\n是否继续下一题？(y/n): ").lower()
if user_input != 'y':
print("\n答题结束！")
break
# 点击下一题
if not self.click_next_question():
print("\n无法进入下一题，答题结束！")
break
else:
print("\n获取题目或选项失败！")
break
except Exception as e:
print(f"运行出错: {e}")
finally:
# 等待用户按键后关闭浏览器
input("\n按回车键关闭浏览器...")
self.driver.quit()
保持原有的DashScopeAPI类不变
class DashScopeAPI:
def __init__(self):
dashscope.api_key = "sk-f02484ea78744f5a90a6b680bc288dbb"
def call_with_messages(self, messages):
response = Generation.call(
model="qwen-turbo",
messages=messages,
seed=random.randint(1, 10000),
result_format='message'
)
if response.status_code == HTTPStatus.OK:
return response.output.choices[0]['message']['content']
else:
print('Request id: %s, Status code: %s, error code: %s, error message: %s' % (
response.request_id, response.status_code,
response.code, response.message
))
return None
#程序入口
if __name__ == "__main__":
# 创建自动答题实例并运行
bot = AutoExam()
bot.run()
