用 Python3 和 OpenCV 替我玩跳一跳 （源码） - 简书
用 Python3 和 OpenCV 替我玩跳一跳 （源码）
我知道你们喜欢先看效果
手残的我，始终跳不过你们这些超过 50 分的大佬。想起最近在用 Python 学习 ML (Mechine Learning， 机器学习) ，怎么用没学会，倒是里面神经元的概念让我印象深刻。
这个小游戏，不就是你的大脑要花一些神经元，来学习小人到目标的距离感跟按压延迟的关系么？我的大脑看来是不舍得在这上面花费神经元，没跳几步我得注意力就已经飞走了。没有足够的神经元，再快的 ML 也得跪。
我是突破不了50分了，与其花时间继续无脑玩跳一跳，不如，用这些时间，来学习一下 Python 和 OpenCV？
1 搞事情！
思路是酱，先画个大饼
首先我们需要一台手机来跑微信和跳一跳 （废话）
蓝后我们需要把手机屏幕录下来传给电脑，并用Python把视频或者图像读取出来 (我印象中，国产的流氓应用市场的PC端能看手机屏幕，所以应该有办法)
再蓝后，用 Python 和 OpenCV 搞一波图形处理，然后识别目标距离，计算点击时间
最后，我需要能通过电脑点手机屏幕 （WTF这个怎么搞？？）
验证思路，看看手上的佐料够不够
以上思路里面，我主要的知识空缺在于“怎么把手机屏幕传到电脑”和“怎么从电脑发送点击屏幕的指令给手机”。
谷歌百度找了一圈，发现不少软件可以做到，但是大部分软件要求手机有 Root 权限，但是我的手机没 Root，我也不想 Root，因为会影响手机银行之类的软件。只找到一个很邪恶的软件
不需要 Root。 而且有免费版，免费的代价是不能自己调整视频画质等参数，还有每隔30分钟手机端自动跳出全屏广告。不过无所谓（然而事实是，我找了几个小时的“绿色”版本。。无果）
邪恶的 Vysor
Bingo! 这么一来就可以简单地，手机用USB线连接电脑，电脑上用 Vysor 看手机屏幕。电脑上运行 Python，取得Vysor 的窗口的截图，使用 OpenCV 处理图像，识别“我”和目标位置，计算按压时间。然后用 Python 控制鼠标点击 Vysor 的窗口控制按压时间。
别问我 [1] 是什么, 为什么不用 ADB 做，我不知道我不知道我不知道...
佐料清单：
安卓手机，对，安卓
Vysor 软件
Anaconda （或 numpy）
没装 Anaconda 怎么好意思说自己已经开始学Python了。如果已经有了 Anaconda 再安装一个 OpenCV 就好。具体安装的教程很多
Python 编辑器我用的是 PyCharm。这些都不重要。
分析跳一跳
先简单地分析一下跳一跳的游戏模式：除去特殊物品，视角，天色变化等，是一个非常简单的（可能是线性）模型。输入是“我”到目标中心的距离，输出是按压的时间长度。我们试试用一个线性方程作为他的模型 y=kx+b。哦不，换一种写法吧：
t = k * distance + constant
t: 按压时间长度
k: 时间与距离的比例常量
distance: “我”到目标的距离
constant: 这个参数表示按压时长的死区常量，可能为0，也可能是一个很小的值。
只需要把后面这三个值确定，t就出来了！
只有distance是变量。另外两个是常量，尝试几次就可以得出。
先截个图好吧
要做机器视觉总得有图像吧，没图分析个啥。
用 Python 给游戏屏幕截图很简单，直接使用ImageGrab.grab()就可以。这个函数需要传入截图的位置参数。这里当然是要截游戏窗口，所以输入的应该是游戏窗口的位置，但问题是，怎么确定位置呢？
有几种思路，
先识别 Vysor 的窗口，这样即使位置不固定，也能截对位置。像 QQ 截图一样，鼠标移到窗口上自动捕获。
每次程序运行前手动输入窗口位置
固定窗口位置，保证每次Vysor窗口在同一个位置出现，程序里面提前输入固定截图参数
最偷懒的我，当然选择了最后一种。那怎么固定窗口位置呢，我就把窗口拖到屏幕最左边，然后Windows自动让窗口贴边放大，这样每次窗口位置就固定了。程序就变得很简单了，因为位置固定，直接把位置参数写入程序就好。
我的屏幕是1080P，任务栏在右边，Vysor的手机投影窗口拖到最左边，待窗口自动放大和复位后，参数如下 bbox=(0, 70, 558, 1045)。
程序流程上，我把截图保存到电脑里，然后再次打开这个文件取得图片，这样可以留原图调试程序。接下来统一转换了分辨率，这样方便在识别的时候，控制位置参数。再接下来，复制了一张彩图，用于标出辅助线，关键点等等，调试用，然后又做了一张灰图以防备用。
图片获取到此结束。
代码如下：
# 截取屏幕
file_name = 'temp.bmp'
im = ImageGrab.grab(bbox=(0, 70, 558, 1045))
# 魔法参数1
im.save(file_name,'bmp')
img = cv2.imread(file_name)
img = cv2.resize(img, (540, 960))
# 统一转换成 540*960 分辨率
output_img = img.copy()
# 复制一张图用来输出
gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
# 生成一张灰图备用
以上，并不难
识别“我”
“我”是谁，下面那个傻愣。
识别“我”也不是很难。如果使用 OpenCV 里面简单的机器学习算法，经过一些样本图片的训练，很快就能识别出来。只是机器学习要准备“我”的正例和很多“我”的反例（不包含“我”的图片。我觉得挺麻烦的。除此之外，也可以用颜色识别，全局就这一个颜色的色块。但是“我”的头上和身上是有反光的，并不是单纯的色块，这部分需要处理一下才能用。
说了这么多
额，我选择换另一种方法识别“我”。。的头。
找人先找头
仔细观察“我” （参考上图或下图右边黑白的那张图，稍后解释），会发现他的头是圆的，而且整张图你找不到第二个那么圆的东西。我试玩了几盘，发现头的位置只出现在很小的一个区域里面，利用位置判断就可以滤除很多干扰项。
在学习 OpenCV 时， [2] ()是很常用的，也很好用的一个方法。他可以识别直线，识别圆圈。比起使用机器学习，我更愿意选择使用霍夫变换这样的简单的方法。
简单解释一下霍夫变换的原理：比如用霍夫变换找圆，就在一张图像上的某个点，作一个半径为R的圆，然后看看这个图像中，一共有多少个点与圆周相交。如果点数超过一个阀值，便认为这是一个圆，圆的位置便是之前假设的点，半径是那个假设的半径。具体是怎么遍历整张图的，如何假设圆的位置和半径的，我们不需要管。
由于霍夫变换需要输入一张只有边界的图，在使用霍夫变换之前，需要先使用另一种变换叫 [3] 来找到图片里面的各个边界（比如头和背景的分界，物体和背景的分界）。
Canny简单来说就是找边，相邻两个像素之间的色差到了一定斜度后（阈值），Canny就会返回1， 没达到阈值的像素是0. 如果还迷惑，看下图就能明白了，左边是原图，右边是 Canny 变换后得到的边界图。只有物品的边界跟背景之间有色差，这些边界像素点是白色的（1），其他面，或者背景都是黑色的（0）。
实际操作过程
在这里我定义了一个 find_head() 函数，输入图片，函数寻找半径在一定范围内的圆。
找到就返回 位置和半径，找不到返回0。
函数首先对图片进行了一些滤波，用的是膨胀算法，我瞎用的。主要是想滤掉一些干扰识细小的纹理，比如可恶的小板凳和魔方。这些纹理严重影响识别圆的准确率。
然后做了一个cv2.Canny()， Canny 会返回一张二值图像，这张图像包含了原图的边界。这张图像之后被放入cv2.HoughCircles（）, 霍夫变换就会根据边界图像来寻找圆，并返回圆的位置。
如果参数太严格，可能找不到圆，此时需要一个if(circles is not None):的判断，判断是否返回空值。如果返回空值，就降低Hough变换的严格性，再试一次。trial_cnt 表示试了几次, 作为参数之一用来降低严格性，出现在调用cv2.HoughCircles（）来找圆的时候。
Hough 变换也可能返回很多个找到的圆，此时就需要在接下来的代码里面找出，哪一个圆才是头？
这里判断的依据很简单，首先我观察一个区域，头只可能出现在哪个区域内。
其次有可能身子也可能识别为圆（仔细看那张Canny处理后的图，有没有发现“我”的肩膀也挺圆的， 下面那张图识别就悲剧了）。这时候继续遍历下一个圆，取靠近上面的圆(y值较小的圆，屏幕坐标，零点是屏幕的左上)。然后返回这个圆的坐标作为头的坐标。
代码如下：
def find_head(img, output_img):
# find small circles
head_found = False
trial_cnt = 0
while(head_found == False):
#processing img
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
closed = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
edges = cv2.Canny(closed, 200, 200)
# use full colour img for canny
circles = cv2.HoughCircles(edges, cv2.HOUGH_GRADIENT, 2, 180 - trial_cnt *10,
param1=100, param2=65, minRadius=12, maxRadius=18)
gray = cv2.cvtColor(closed, cv2.COLOR_RGB2GRAY)
# if nothing found, will return None, then try a few time.
if(circles is not None):
head_found = True
if (trial_cnt & 5):
# return 0 as error.
return 0, 0, 0
trial_cnt += 1
circles = np.uint16(np.around(circles))
# circle to return
# find and draw
# 遍历所有找到的
for i in circles[0, :]:
# find the head
if (r & 25 and y & 380 and y & 520 ):
if((y & yo or yo is
0 )): # 寻找位置最靠上的那个源（有时候身子也会被识别成圆）
return xo, yo, ro
通过头找“我”的位置
“我”的大小是固定的，QQ截图量一下便知到头到脚的距离。
于是知道了头的位置，脚的位置也懂了。脚的位置就当作“我”的位置了。
不过我还是写了一个函数，输入头的位置，输出脚的位置
def find_foot_loc(x,y,r):
yo = y + 75 # distance between head to foot
return (xo, yo)
至此，“我”的位置算是搞定了。
难死了难死了。
我尝试过 OpenCV 里面自带的 Mechine Learning 来识别目标，不过一张一张截目标图好累，而且目标有大有小，同一种目标还有不同颜色。每个还要手动标目标中心，多麻烦，没开始就放弃了。之后也尝试过将视角拉直后，找目标顶面形状，基本上都是正方形和圆形。圆形同找头，十分好找，正方形很难找。。
按理来说正方形也应该很好找才对，找几个垂直的线就好。
然而我怀疑跳一跳从设计图形界面的时候，就开始针对防视觉识别做了很多功课。很多时候，背景色跟小方块的颜色差别很小，导致很难识别。
在这上面，我很难用统一的 Canny 阈值来识别所有图形的边，因为天色会变，图形颜色有的很深有的很浅，同一套参数有些边太浅识别不出来，有些纹理太重又识别太多干扰信息。此外，便利店，点唱机，小板凳，礼盒，魔方，这几个形状和纹理复杂都是干扰，非常难。就算给图形滤波，膨胀腐蚀去除纹理，帮助也不是很大。
后来，我干脆放弃了识别整个目标，我只识别目标的顶角, 然后再顶角下方偏移一个量作为目标落点，这是很简单的。
实际操作过程：
取得输入的图片，先进行简单的滤波，然后使用阈值比较低的 Canny 变换，虽然目标的花纹也会被找出来，但是顶角一个都没落下就好。
那么顶角怎么找呢，还记得 Canny变换的结果是2值图像么，不是0就是1
那么我图片从上往下找，找到第一个非零点的时候，就把它识别为顶角。Canny 处理一样的背景色，还是很给力的，没有给出太多错误信息。
这里我用到了points = cv2.findNonZero(edges)。这段代码会返回所有非零点，但是会按从左往右，从上往下的顺序返回。既下图表示的方向，所以第一个非零点，一般来说就是目标的顶角。
理想与现实还是有差距的
偏移量应该做成变化的，因为开始的图形很大，而到了后期图形会变小，变化的偏移量更容易踩到中心。
100+步的时候，有时候目标靠的很近，目标很小，这时候顶角可能比“我”还“矮”，那此时第一个非零点就不是目标了。这里很好判断，在find_target_loc()里面我传入了一个参数，是之前找到的“我”的坐标。找出来的点，只需要判断一下，这个点是否距离“我”太近, 如果太近，这个非零点便是“我”本身的点之一，应该去找下一个不在“我”附近的点。
有时候，画质差的时候（比如变天）边界会有很多干扰点，所以如果识别到太靠近图片边缘的点，也要排除掉。
找到顶角之后，我就暂时距离顶角偏移一个定值，当做目标点，有时候不是目标中心，不过不要紧，关键是让“我”能继续走下去先。代码里面会依据步数调整这个偏移量。算是大概能用。
说了一大堆，Python 代码只有30行。
def find_target_loc(img, output_img, loc_foot, index = 0):
edges = cv2.Canny(img, 15, 70)
points = cv2.findNonZero(edges)
#find all none zero
#print(points)
for point in points:
x = point[0][0]
y = point[0][1]
if y & 250:
if np.abs(x - loc_foot[0]) & 30: # horizontal distance to foot
if loc_foot[1] - y & 30:
# higher than foot
if x & 50 or x & 540 - 50: # too close to bondary
# Find top tips of the target
# 0~33步 是大图形，偏移量比较多
yo = y + 45
if index & 33:
# 33步~75步 是中等图形， 偏移量减小
yo = y + 35
if index & 75:
# 75 步以上 都是非常小的图形比较多， 偏移量最小
yo = y + 20
cv2.imshow('Canny Line', edges)
return (xo, yo)
“我”和目的地的坐标出来了，接下来是不是明了了！
回头看看我们的线性模型，我们的第一个变量 distance 就有了。
这里直接给出各个常量，反复实践几次就可以将他们确定。我随意调试了几次就出来了。
constant = 0
于是我们的模型就是:
t = distance / 365
distance 单位是像素 （480x960分辨率）
t 的单位是秒。
直接开平方和，就能计算出 distance
# calculate distance
dist = np.sqrt((loc_target[0] - loc_foot[0])*(loc_target[0] - loc_foot[0])
+ (loc_target[1] - loc_foot[1])*(loc_target[1] - loc_foot[1]))
在图片里面把距离线段画出来，坐标画出来，效果如下图 （忽略绿线）：
上图计算结果是：
像素距离 （distance）：263个像素
模型预计的时间（t）：0.722s = 722ms
接着是不是就可以愉快地跳跃了？！
慢着，我们好像忘记了什么！请看下图
假设“我”站在上一个目标的中心，而且我们也找到了下一个目标中心。那么在上图的目标平面上画一条与蓝线垂直的 BC。 B，C分别是线段与目标平面边界的交点。然后再画出左右两边到“我”脚下的线 AB 和 AC，玩游戏的直觉上，也就是在“我”的世界里面，三角形ABC是一个等腰三角形，那么 AB 和 AC 应该是相等的吧？
但是！！在我们看到的屏幕上（上面计算基于的二维图像中）， AB 并不等于 AC。图片坐标里面，我作出D点，使得AB = AD，这样看就很明显了。如果不信可以用尺子量量屏幕。
这个位置计算，在“我”没有跳到中心，或者识别目标中心有误差的情况下，对距离的计算精度有比较大的影响。但是为毛会有这个误差？？
游戏是有视角的，我们并不是从屏幕世界里面的顶端往下看。这个视角我在尝试还原目标顶面的正方形和圆形时，计算了一下，大概是横边不变，纵向除以根号三。也就是图形的长度不变，宽度除以1.73。
下图是视角变换后的图像，此时 AB = AC 了，同时你也会发现，“我”是站在一个真正的四边相等且垂直的“正”方形中心了，而不是原来的平行四边形里面 （看不出来是正方形？可能你已经沉迷游戏无法自拔了，请用尺子和量角器）。如果用变换后的图像进行距离计算，无论“我”在哪，目标识别是否准确，计算出的距离都不会有误差。
至于为什么是根号三，你猜~ 猜出来还能知道相机视角中线与“我”的世界地平面的夹角度数。
变换简单，吹了一大堆，但是我没做。
没做效果也还行。实际尝试很少会遇到过因为视角计算的误差，导致“我”掉下去，最多就是踩不到计算出来的目标点。不想那么麻烦，毕竟连目标中心都是瞎估计的一个基于顶角位置的偏移量，本身就很不精确。
模拟按压和防作弊
终于到最后一步了，按压时长已算出，就差“按”了！想想还有点小激动呢！
这里使用 Python 控制鼠标点击 Vysor 窗口，模拟手指按压手机屏幕。Python 控制鼠标，可以说是非常简单的了，程序引入Win32API 的包，然后就可以使用里面的控制鼠标的函数来移动鼠标指针，并用左键点击屏幕。不多说，直接上代码
我把模拟按压包装了一下做成一个函数，
输入点击的屏幕坐标和按压时长，然后函数执行按压，结束后返回
def click(x,y, t):
win32api.SetCursorPos((x,y))
# 移动鼠标位置
win32api.mouse_event(win32con.MOUSEEVENTF_LEFTDOWN, x, y, 0, 0)
# 发出按下左键指令
cv2.waitKey(np.int(t*1000))
# 等待我们计算好的延迟时间 *1000 是换算成毫秒
win32api.mouse_event(win32con.MOUSEEVENTF_LEFTUP,x,y,0,0)
# 发出释放左键指令
随便输入一个 x,y 只要位置在 Vysor 的窗口里面，都会被跳一跳识别。
测试了一下，跑出600多分，完美！
第二天起床，尼玛分数被删了。看来是被腾讯发现我这渣渣根本玩不到这么高分，肯定是作弊了！怒删成绩！
一定是我的操作有问题，露出了破绽。
绕过防作弊
想绕过作弊检测，要先知道跳一跳是怎么检测作弊的。
我空想了一会，没有抓包，没有看代码，没有百度谷歌。列出几个比较容易判断作弊的方法：
判断每一次的点击位置是否是固定的，固定的肯定有鬼，因为手指按压总会有位置的偏差
判断每一次反应时间是相同的，相同则很有可能是外挂故意延时等待跳跃的过程结束
判断手机动作传感器，是否检测到手机在移动或者有没有检测到点击屏幕引起的震动。如果整个游戏过程手机平放，没有点击屏幕，肯定是外挂在玩
先针对以上几个，对代码做了一些调整试试看：
点击位置小幅度随机变化一下，点击反应时间也随机，模拟我笨笨的手指和大脑，前两条轻松绕过。至于动作传感器，软件上没办法了，没关系，跑代码的时候拿在手上就好.
随机代码如下：
# if everything is checked and we are ready to jump!
cv2.waitKey(100)
# 稍微等一下，留时间给 opencv 绘图并输出 output image
click_x = 288 + random.randint(-60, 60)
# 防作弊，变换点击位置
click_y = 880 + random.randint(-20, 20)
click(click_x, click_y, time)
cv2.waitKey(2000 + random.randint(-100, 300))
# 防作弊，随机等待时间
经过以上修改，之后的测试，800+ 900+ 分数都不会被判断成作弊了（毕竟比人类dalao的成绩还差很远）。
2 完整代码
上面的代码都是一些比较关键的片段，没贴出来的代码是一些逻辑上的操作，比如，错误的处理，还有怎么判断“我”跳死了之后的处理，这些具体实现请看代码注释。
完整代码直接下附件，程序太长不直接贴上来了。代码遵循 GPL v2.0 开源协议。若遇事我不负责，你负责。
短视频 : 或
测试视频: 或
3 瞎 BB 时间
如果你对伦理或者程序细节感兴趣，欢迎继续听我瞎BB
你（TM）这就是外挂！
额，可能吧，如果这也算外挂，那这么多年来算是我写的第一个外挂了。那我水平也太菜了。
网上有无数的外挂，使用各种方式实现:
有破解了跳一跳与服务器之间通信的包，用的也是python，直接向服务器上传分数（你说这位 dalao 6不6）, 参见[4]
或者是 真·机器人 玩跳一跳 [5]
或者一把尺子做的物理外挂！[6]
额，我想说，楼上dalao们，都是以专研学习的目的，没几个是像我一样因为手残太菜来而借学习的理由来做的这个“外挂”吧。再说，这套烂代码准确率差到爆，稳定性渣渣，始终没跑超过1000分（250步）。。连人类也超不过。
嗯，我也就是学习一下，又不挣钱
为何这套程序不能让“我”一直跳下去？
从技术上说，主要干扰有几个
这套系统基于视觉识别，准确率本来就很难保证。Google 讲 TensorFlow 的课程中，95% 识别准确率提高到 97%，仅仅多了2个百分点，电脑的计算量就大了四五倍。
因为Vysor软件用的USB传输，通信带宽有限，传送视频时画质太差如果画面变化太大，画质会很渣。所有的图形都毛躁了起来，很容易识别错
代码量太少，判断条件不足。比如识别错“我”的位置，识别错落点，被连击炸起来的水花干扰。这些都是真实遇到的。这里短短200行代码，几个判断，很难保证识别和计算的准确率。想提高准确率，判断的数量估计是要指数倍增加了。
Vysor 这个软件是有延迟的，而且延迟不定，导致即使计算很精确，同一个距离，也会出现有时候跳得太远，有时候跳得太近的问题
我最希望的还是能用机器学习去做这个事情，毕竟手工编写代码去一个一个条件判断，是非常麻烦的，而且判断的数量多起来后，增加判断的难度高收益低，基本是是事倍功零点零几的情况。
如果基于机器学习，还可以识别特殊目标，魔方，便利店，点唱机等，停留更长时间赚分。
如果能像dalao们一样，用ADB采集屏幕截图，并用ADB来输入触摸点击指令，就可以避免Vysor这个软件画质辣鸡的缺点。
难度比我想象的大。
程序和思维都很简陋，不过很欣慰它能完整跑起来了。
OpenCV 在这里面并没有太大作用，完全可以只用 numpy 来做。
不要期待，没有后续
如果对你有帮助，请多支持我的博客：
Reference:
[1] ‘Android 调试桥 | Android Studio’. [Online]. Available: . [Accessed: 20-Jan-2018].
[2]‘Hough transform’, Wikipedia. 19-Jan-2018.
[3]‘Canny算子’, 维基百科，自由的百科全书. 21-Nov-2017.
[4]“微信跳一跳万分攻(作)略(弊).” [Online]. Available: . [Accessed: 22-Jan-2018].
[5]“使用python对微信小游戏跳一跳刷分.” [Online]. Available: . [Accessed: 22-Jan-2018].
[6]“程序员叫你正确玩耍微信小程序游戏《跳一跳》野生技术协会科技bilibili哔哩哔哩.” [Online]. Available: . [Accessed: 22-Jan-2018].
一个在腐国读博的“硬件/嵌入式/软件/网站/linux/机械/材料”都不会的逗逼工程师（注：非单身）
来源 https://zhuanlan.zhihu.com/p/ 给深度学习入门者的Python快速教程 - numpy和Matplotlib篇 的番外篇，因为严格来说不是在讲Python而是讲在Python下使用OpenCV。本篇将介绍和深度学习数据处理阶...
用两张图告诉你，为什么你的 App 会卡顿? - Android - 掘金Cover 有什么料？ 从这篇文章中你能获得这些料： 知道setContentView()之后发生了什么？ ... Android 获取 View 宽高的常用正确方式，避免为零 - 掘金相信有很多朋友...
用两张图告诉你，为什么你的 App 会卡顿? - Android - 掘金 Cover 有什么料？ 从这篇文章中你能获得这些料： 知道setContentView()之后发生了什么？ ... Android 获取 View 宽高的常用正确方式，避免为零 - 掘金 相信有很多...
手势识别器（Gesture Recognizer)用于识别触摸序列并触发响应事件。当手势识别器识别到一个手势或手势发生变化时，会触发响应事件。UIGestureRecognizer类作为抽象类，不能直接使用。只能使用UIGestureRecognizer的子类识别手势，每一...
前言 最近微信小游戏跳一跳大热，自己也是中毒颇久，无奈手残最高分只拿到200分。无意间看到教你用Python来玩微信跳一跳一文，在电脑上利用adb驱动工具操作手机，详细的介绍以及如何安装adb驱动可以去看这篇文章，这里就不再介绍了。但是原文每次跳跃需要手动点击，于是想尝试利...
盼望了两个月的我们，终于开学啦！同学和我，已经迫不及待了！
在我刚踏进教室的第一步，我的心怦怦跳。左甜雨第一个看见了我，大叫:“梁林茹来啦”！好像马上就要扑到我身上似的。学校和同学也是熟悉又陌生。
我在公寓也认识了几个好朋友，侯雨欣是我的同班同学，比较熟...
好，先说类型。《已经开始想你》是一部关于主角得了癌症的电影。这样的电影有很多。 我们国内有《滚蛋吧！肿瘤君》，白百何在里面的演绎让我们可以看到她对疾病的乐观态度。 《分手合约》里白百何也和彭于晏给我们展示了一种动人的爱情离散聚合等等。 而看看同在亚洲的韩国。说起“癌症”？ ...
时间/ 日 那拉提大草原，是大琴和我毕业旅行心心念念的中间站，计划着，披着长发，骑着骏马，在草原上，奔驰，奔驰，必须累到极致，累到瘫软在地…… 然而，去了一趟，因为同行的泸州川妹子那天正好穿着天蓝色的裙子，就只好和骏马说拜拜，坐了区间车和旅...
生活中总会遇到这样的人，你跟他一说话，心情就会变得沉重。dalao们，谁有这张图的原图。当壁纸然后不小心删了，找不到了_百度知道
dalao们，谁有这张图的原图。当壁纸然后不小心删了，找不到了
我有更好的答案
发百度云了pan.baidu.com/s/1pMi5DDD
采纳率：81%
来自团队：
为您推荐：
其他类似问题
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。大家都在搜
中外合资或者好二本，河南考生理科491能上一所什么大学，dalao们给个建议好么（刚刚过一本线）？
在刚开始，我是想过复读的，觉得这样混个二本很不甘心，但是人生不能逃避就倒带所以现在在认真考虑各种可能性。所以想考虑一下中外合资。
yusbdfafdsx的答复：
@_@1、复读没什么大不了的，一年而已，如果以后后悔想转行的话，真挺麻烦而且也很需要勇气；更惨的是因为不喜欢而给了自己不好好学的理由，然后慢慢懈怠& 2、高考没考好的原因到底是什么，要想清楚。&br/&&br/& 3、如果复读，在意旁人眼光的话，可以选择离家远点儿的好高中；如果不复读，可以多了解一下各专业的实际情况，不要光在网上查，想办法问认识的大学(毕业)生，问学长，问他们的同学，总之想了解一个专业的话就问尽你能找到的这个专业或者行业的人。本人未曾经历复读，当年第一次高考才过一本线10分，我们老师也是各种劝我复读，平时模考都在620+，鬼使神差的报了湖北大学，还是填俩专业不服从调剂的那种，结果录取了，断了我的复读梦。&br/&&br/& 去了大学整整抑郁了一年，觉得我不应该属于这样的地方，觉得老师上课都是扯淡，觉得身边人都是傻X.大一上还凭借高中老本考了专业前几名，大一下变本加厉，后来大家都懂，就挂科了，还是全专业仅有的两三个。&br/&&br/& 这让我很不屑，明明这些东西学了也没什么鸟用嘛，无所谓，继续玩，在游戏里面才能体现真实的自我价值。我是北化2015级学生，山西人，中外合作机械专业，外方是美国的底特律大学，外方专业是机器人及机电系统工程。&br/&&br/& 我在高中阶段就做好了出国读研的打算，高考前本来准备报考西交利物浦，后来看到志愿书上第一批本科a1类的志愿（山西把第一批本科a类院校里中外合作办学的专业单独列出的批次），筛选后确定了开设中外合作办学专业的两所211院校&&北交和北化，前者有机电和材料专业，后者有机电和生工。&br/&&br/& 因为高收费，中外合作的专业的分数要普遍低于同学校普通专业，但这并不意味着学生可以以低分轻松获得重点本科的学位，由于合作办学课程的繁重，学生的挂科率更高。}