不少新手刚开始接触桌面自动化时，往往会在这些小细节上栽跟头：坐标定位不准、换台电脑脚本直接罢工、操作太快软件还没反应过来，结果程序跑得一塌糊涂。这篇文章从环境安装、基础函数、图像识别定位，到完整的实战案例和避坑优化方案，都给你捋清楚了。所有代码复制就能跑，支持Windows、MacOS、Linux全平台，既适合新手入门，也能应对办公自动化的真实场景。
一、PyAutoGUI环境安装与前置依赖
1. 基础库安装
核心库的安装很简单，直接通过pip就能搞定。打开cmd或终端，执行下面这行命令：
pip install pyautogui
国内网络下载慢的话，可以临时切换清华镜像源来加速：
pip install pyautogui -i https://pypi.tuna.tsinghua.edu.cn/simple
2. 配套依赖库（图像识别必装）
如果只是模拟鼠标键盘点一点、按一按，那上面一个库就够了。但要想通过图片定位按钮、弹窗，实现通用自动化，还得补上OpenCV和pyscreeze：
pip install opencv-python pyscreeze pillow
简单说下这几个库的用处：
- Pillow：截图、图片处理的基础依赖。
- pyscreeze：PyAutoGUI内置的截图工具，负责快照屏幕。
- opencv-python：真正的图像匹配引擎，能大幅提升按钮识别的准确率。
3. 系统特殊依赖说明
- Windows系统：不需要额外装什么，安装完库直接跑脚本就行。有一点要注意，用管理员权限运行脚本，可以避免部分软件拦截模拟操作。
- MacOS系统：运行脚本前，需要给终端和Python解释器开启“屏幕录制”和“辅助控制”权限，否则鼠标键盘模拟会失效。
- Linux系统（Ubuntu/CentOS）：需要先安装系统级的图形依赖：
sudo apt-get install python3-xlib scrot
4. 环境验证脚本
新建一个 test_env.py 文件，把下面代码放进去跑一下，就能验证环境是否正常：
import pyautogui
# 打印屏幕分辨率
width, height = pyautogui.size()
print(f"当前屏幕宽：{width}，高：{height}")
# 获取当前鼠标坐标
x, y = pyautogui.position()
print(f"当前鼠标坐标 X:{x} Y:{y}")
如果执行没有报错，并且正常输出了分辨率和鼠标坐标，那恭喜你，环境搭建完成。
二、PyAutoGUI核心基础函数（鼠标+键盘）
鼠标控制全套操作
1. 鼠标移动、定点移动
import pyautogui import time # 鼠标移动到指定坐标(100,200)，耗时0.5秒平滑移动 pyautogui.moveTo(x=100, y=200, duration=0.5) # 相对当前位置偏移移动，向右200，向下100 pyautogui.moveRel(xOffset=200, yOffset=100, duration=0.3) # 延迟等待，给软件加载留出响应时间 time.sleep(0.5)
2. 鼠标单击、双击、右键、长按拖拽
# 左键单击当前鼠标位置 pyautogui.click() # 指定坐标左键单击 pyautogui.click(x=300, y=400) # 右键单击 pyautogui.rightClick(x=300, y=400) # 双击左键 pyautogui.doubleClick(x=300, y=400) # 拖拽：从当前位置拖动到(500,500) pyautogui.dragTo(500, 500, duration=0.4) # 相对拖拽 pyautogui.dragRel(100, -100, duration=0.3)
3. 滚轮上下滚动
# 向上滚动10格 pyautogui.scroll(10) # 向下滚动20格 pyautogui.scroll(-20)
键盘输入全套操作
1. 输入文字、回车换行
# 直接输入字符串，支持中文（Windows原生支持，Mac/Linux需额外适配）
pyautogui.write("测试自动化输入文本", interval=0.1)
# interval控制每个字符输入间隔，防止软件识别漏字
# 按下回车键
pyautogui.press("enter")
# 连续按多次回车
pyautogui.press("enter", presses=2, interval=0.2)
2. 组合快捷键（Ctrl+C、Ctrl+V、Alt+Tab等）
# Ctrl + A 全选
pyautogui.hotkey("ctrl", "a")
# Ctrl + C 复制
pyautogui.hotkey("ctrl", "c")
# Ctrl + V 粘贴
pyautogui.hotkey("ctrl", "v")
# Alt + Tab 切换窗口
pyautogui.hotkey("alt", "tab")
# Ctrl + S 保存
pyautogui.hotkey("ctrl", "s")
3. 常用按键名称对照表
esc、tab、shift、ctrl、alt、space、up、down、left、right、pageup、pagedown、backspace、delete、f1~f12
三、截图与图像识别定位（自动化核心能力）
固定坐标的脚本有个致命弱点：换台电脑、调整一下分辨率，程序就彻底废了。更通用的解决方案是图像匹配——截取软件按钮的截图，让脚本自动在屏幕上找到它的位置，然后精准点击。
1. 基础截图功能
import pyautogui
# 全屏截图，保存到本地
screen_img = pyautogui.screenshot()
screen_img.sa ve("screen.png")
# 区域截图：x,y,宽,高
area_img = pyautogui.screenshot(region=(0, 0, 500, 300))
area_img.sa ve("area.png")
2. 图片匹配查找按钮
提前把软件里的按钮截图保存为 btn_submit.png，脚本就能自动识别它的坐标：
import pyautogui
import time
# 查找图片在屏幕中的坐标，confidence匹配精度0~1，越高越严格
try:
# locateOnScreen找到图片区域
target_pos = pyautogui.locateOnScreen("btn_submit.png", confidence=0.8)
# 获取图片中心点坐标
center_x, center_y = pyautogui.center(target_pos)
# 点击按钮
pyautogui.click(center_x, center_y)
except Exception as e:
print("未找到目标按钮，检查截图或匹配精度")
3. 循环等待弹窗/按钮出现（高频使用）
软件加载有时很慢，弹窗可能延迟几秒才出现，这很正常。解决办法就是写一个循环持续检测，找到后再执行操作：
import pyautogui
import time
def wait_click_img(img_path, wait_time=10, confidence=0.8):
start_time = time.time()
while time.time() - start_time < wait_time:
pos = pyautogui.locateOnScreen(img_path, confidence=confidence)
if pos:
x, y = pyautogui.center(pos)
pyautogui.click(x, y)
return True
time.sleep(0.5)
print(f"{img_path} 超时未找到")
return False
# 调用：等待提交按钮最多10秒，出现自动点击
wait_click_img("btn_submit.png")
四、完整实战案例1：办公表格自动批量录入数据
场景很常见：打开Excel，定位输入框，循环录入多行文本，自动换行保存。这里不用调用Excel的第三方库，纯桌面自动化就能搞定。
import pyautogui
import time
# 操作间隔，防止操作过快软件无响应
pyautogui.PAUSE = 0.6
# 待录入数据列表
input_data = [
"张三,26,运营",
"李四,30,技术",
"王五,24,财务"
]
# 定位Excel输入起始单元格（提前获取坐标）
start_x, start_y = 250, 320
pyautogui.click(start_x, start_y)
time.sleep(0.3)
# 循环录入
for line in input_data:
# 输入一行内容
pyautogui.write(line)
# 按下回车跳到下一行
pyautogui.press("enter")
time.sleep(0.2)
# Ctrl+S保存文件
pyautogui.hotkey("ctrl", "s")
print("数据录入完成")
五、完整实战案例2：客户端软件自动登录流程（图像识别版）
这个案例全程依靠图片识别，不用固定坐标，即使换分辨率的电脑也能正常运行。
目录结构建议这样组织：
auto_login/
├── auto_login.py
├── img/
├── username_input.png
├── password_input.png
├── login_btn.png
自动化登录脚本如下：
import pyautogui
import time
# 统一操作停顿时间
pyautogui.PAUSE = 0.7
# 封装等待点击函数
def wait_click(img, wait=10):
pos = pyautogui.locateOnScreen(img, confidence=0.7, timeout=wait)
if pos:
pyautogui.click(pyautogui.center(pos))
time.sleep(0.4)
return True
return False
# 1. 点击用户名输入框
wait_click("img/username_input.png")
pyautogui.write("admin123")
time.sleep(0.3)
# 2. 点击密码输入框
wait_click("img/password_input.png")
pyautogui.write("mima456789")
time.sleep(0.3)
# 3. 点击登录按钮
wait_click("img/login_btn.png")
print("登录流程执行完毕")
六、关键配置参数与安全中断机制
1. 全局操作间隔
设置一个全局停顿，能让所有鼠标键盘操作之间自动保持间隔，避免操作过快导致软件卡顿：
# 每次操作后暂停0.5秒 pyautogui.PAUSE = 0.5
2. 安全防卡死机制（必开）
脚本一旦失控、陷入无限循环点击，场面会变得很尴尬。PyAutoGUI提供了一个救命配置：把鼠标快速移到屏幕左上角，程序会立即抛出异常终止，电脑不会被锁死：
# 开启安全故障中断 pyautogui.FAILSAFE = True
3. 图像匹配精度调节
confidence 参数取值范围是0到1：
- 0.6~0.7：轻微色差、缩放界面也能识别，容错高，适合界面经常变化的场景。
- 0.8~0.9：匹配严格，适合界面固定、无变化的软件，能有效避免误点击。
七、生产/办公自动化优化技巧
- 统一设置PAUSE停顿时间：不同软件的加载速度差异很大，统一延长操作间隔，可以避免漏点击、漏输入文字。
- 截图素材尽量高清：截取按钮时只保留目标区域，多余背景全部去掉，能显著提升识别速度和准确率。
- 区分固定坐标与图像识别：如果你用的是内网固定分辨率的电脑，坐标定位可能够用；但如果是多设备、窗口可缩放的环境，老老实实用图像匹配。
- 增加异常捕获：在循环操作外层加上
try except，当识别不到按钮时只打印日志，而不是直接中断整个脚本。 - 最小化其他窗口：运行自动化脚本前，关掉弹窗和广告，避免它们遮挡目标按钮导致识别失败。
- 管理员权限运行：部分ERP、桌面客户端、加密软件会拦截模拟输入，用管理员权限启动Python脚本通常能解决。
- 不要后台休眠运行：电脑一旦锁屏或休眠，就无法读取屏幕画面，图像识别功能会完全失效。
