auto_control/doc/research/U2_ELEMENT_SELECTORS.md

元素选择器研究：为什么"点不到按钮"（2026-09-13）

背景：任务步骤（click 等）频繁出现"元素明明在屏幕上却点不到"。用户怀疑是 任务执行用的 u2 与元素抓取用的 uiautodev 两条通道不一致，要求研究。 分支：research/raw-u2-elements。

---

一、先否掉一个假设：两条通道并不冲突

	用的东西	连接方式
任务执行（点击/输入…）	原生 u2.connect(serial)	直连设备的 uiautomator2 server
元素抓取（编辑器按钮）	uiautodev 服务（localhost:20242）→ /api/android/{serial}/hierarchy	它自己的连接

实测（同一设备、同一屏、同一时刻，两边各 dump 一次）：

对比项	u2	uiautodev
节点总数	330	330
id/0qf（抖音底部 tab）	3	3
id/content_layout	5	5

逐项一致 —— 两个通道给出的元素树是同一份（都是设备的 UiAutomation dump）。 所以"抓取看到的和执行看到的不是一回事"这个假设不成立。

顺带纠正一处过时注释：core/uiauto_helper.py 说"uiautodev 归一化浮点坐标无法换算像素"。 实际上 uiautodev 的节点里 rect 就是像素（{x,y,width,height}），bounds 才是 归一化的 0~1 浮点。要用像素直接用 rect 即可。

---

二、真正的原因：序号型选择器（(…)[k]）会随界面变形而错位

复现（192.168.20.100，抖音 v40.4.0）—— 进「我」页面，底部导航 dump 出来是：

[1] text='首页'  bounds=[38,1484][106,1530]
[2] text='消息'  bounds=[470,1484][538,1530]
[3] text='我'    bounds=[631,1484][665,1530]

只有 3 个 0qf。而任务里的步骤写的是：

(//*[@resource-id="com.ss.android.ugc.aweme:id/0qf"])[4]    ← 第 4 个，根本不存在

必然点空 —— 日志里表现为 click 未找到元素，而界面上那个「我」明明就在那儿。

为什么有的设备是 4 个？

抖音底部的「朋友」tab 是灰度功能：有的账号/设备有（首页/朋友/消息/我 = 4 个）， 有的没有（首页/消息/我 = 3 个）。同一个序号 [4]：

• 4 个 tab 的设备 → 点到「我」（碰巧对）
• 3 个 tab 的设备 → 点空（或点到别的东西）

同一个选择器在不同机器上语义不同，这是"时好时坏"的根源。

---

三、解法：用语义选择器，不要依赖序号

实测有效（同一台 3-tab 设备）：

# ✗ 序号型：依赖"底部有几个 tab"
(//*[@resource-id="com.ss.android.ugc.aweme:id/0qf"])[4]

# ✓ 语义型：同一个 id，用文字限定 —— 不管有几个 tab 都对
//*[@resource-id="com.ss.android.ugc.aweme:id/0qf" and @text="我"]

验证：命中（bounds 落在「我」上）→ 点击 → 进入我页面 → jy-（切换按钮）出现 ✓

同类可用限定条件（按优先级）：

1. @text="…" —— 文字最稳（tab 名、按钮名）
2. @content-desc="…" —— 无文字但有描述（如 首页，按钮）
3. @resource-id="…" —— 唯一时直接用
4. 组合：//*[@resource-id="x" and @text="y"] —— 同一 id 多实例时的最佳解
5. 结构路径（…/FrameLayout[2]）—— 最后手段，最脆
6. (…)[k] —— 只在上面都不行时

---

四、抓取弹窗"老是错位"的根因 —— 截图和元素树不是同一时刻

（2026-09-13 追加，用户反馈"抓取的窗口老是会错位"）

先把几个常见猜测逐一排除（都实测过）：

猜测	实测结果
两条通道元素树不一致	✗ 排除：节点数/各 id 个数逐项相同
截图被 CSS 缩放了、框没跟着缩	✗ 排除：scaleX=clientWidth/naturalWidth 算得对，实测框位置与理论值一致
窗口 resize 后没重算	✗ 排除：预览列固定 320px，resize 不影响
列表索引与框的 data-idx 对不上	✗ 排除：用 indexOf 保住原始序号，过滤后也不乱

真因：截图与元素树分两次取，中间隔了 1~2 秒。

取数方式	截图	元素树	两者时间差
现在（/api/uiauto/screenshot + /api/uiauto/elements 两次请求，走 uiautodev）	0.4s	1.8s	约 1.8 秒
原生 u2 背靠背（同一个连接）	0.3s	1.4s	约 1.4 秒

元素树的 dump 本身就要 1.3~1.8 秒（设备端 uiautomator 的开销，改不动）。 界面只要在动（抖音信息流、视频、加载动画…），两秒足够让元素位置全变 → 框永远落在旧位置上 —— 这就是"老是错位"，不是偶发。

解法（✅ 2026-09-13 已实现，见 core/uiauto_helper.snapshot）

1. 一次请求取齐（推荐，也是用户说的"用原始 u2"）： 新增 GET /api/uiauto/snapshot?serial=X，服务端用一个 u2 连接背靠背 dump_hierarchy() + screenshot()，返回 {image, elements}； 前端只调这一个接口 → 天然同源，间隔从 ~2.2s 降到 ~1.4s。 并且抓取弹窗改成大图 1:1 预览（原来预览列只有 320px、图片被缩到 294px， 框全挤在一起，看着就像"错位"；现在铺满左侧、按原始分辨率显示）。
2. 双截图校验（关键：让失败可见而不是悄悄错位）： 抓取时前后各截一张，两张不一致就明确提示"界面在抓取过程中变化了， 请让设备停在目标界面再抓"，而不是给一个已经错位的框。
3. 文档里明确写：抓元素要让设备停在静止界面（设置页、已加载完的页面）， 别在视频播放/信息流滑动中抓。

---

五、建议的改动

1. ✅ 抓取器优先产出语义选择器（2026-09-13 已实现，core/uiauto_helper._extract）： 同一属性值出现多个实例时，先找第二个属性把目标单独圈出来 —— //*[@resource-id="x" and @text="…"]（次属性按 text > content-desc > class 排，单个不够就两个组合）；只有怎么都分不开（列表里同 id 同文字）才退回 (…)[k]。返回值标 semantic:true + via（限定用的属性）或 indexed:true。 抓取列表里 text/content-desc 排在最前并加粗上色，让用户能看着选。
2. ✅ 序号型加醒目提示（同日）：前端把 indexed 的徽标从蓝色 #k/n 换成 黄色 ⚠ 序号 k/n，悬浮说明"依赖同类元素个数，界面一变就指到别的元素上"； 语义型给绿色 ✓ 语义；右侧「属性」页新增一行选择器稳定性。
3. ⏳ 已存任务：把 (…)[k] 型选择器扫一遍，能改成文字限定的自动改（脚本）， 其余在编辑器里逐个复核。（用户自行处理）
4. ⏳ 运行期：click 未命中时，日志里顺带 dump 一下"同 id 现在有几个实例"， 让"序号错位"当场可诊断（现在是干巴巴一句"未找到元素"）。
5. ✅ （针对第四节的"抓取错位"） 抓取接口合并成一个快照接口 + 双截图校验， 具体见第四节「解法」。

---

六、顺带修掉的两个"结构性"坑（2026-09-13）

给 §五.1 做验证时（对真机 dump 逐条用 lxml 求值，比对"命中数==1 且 bounds 一致"）， 发现旧实现 248 个元素里有 26 条选择器永远匹配不到任何东西 —— 都是"结构路径"类：

坑	现象	原因
//FrameLayout[1]/LinearLayout[2]	零命中	dump 的 XML 标签名一律是 <node>，class 在 @class 属性上 —— 把类名当标签名写的路径永远匹配不到
//hierarchy/node[@index="1"]	零命中或一次命中多个	同级节点的 index 属性会重复（实测状态栏/内容区/导航栏三个兄弟的 index 全是 0）

修法：

• 子路径步进改成 *[@class="android.widget.ImageView"][n]（谓词 [n] 在步进选出的 节点集上按文档序定位，语义与原来的"同 class 兄弟序号"一致）
• 兜底结构路径改成按子节点位置：//hierarchy/*[1]/*[3]

效果（同一份真机 XML，248 个元素）：

	旧	新
先按 lxml 求值，精确命中目标	221	247
零命中（死选择器）	26	0
语义型 / 序号型	0 / 141	26 / 115

core/uiauto_helper.py 里 _child_path() 的注释与 doc/TASK_DEV.md §5.4 都记了这两个坑， 避免以后又写回来。

---

七、抖音「我」页面 + 账号切换列表的选择器（2026-10-12，A01 实测）

背景：发布计划改成按名字发（doc/TASK_DEV.md §4.7），平台需要两处控件： ① 「我」页面上的昵称（读当前登的是谁）；② 「我」页面右上角的切换账号入口。 抖音 40.6.0 / 720×1650 实测（A01 = 192.168.20.82:5555）。

用哪个（已实测可用）

用途	选择器	说明
读昵称	resourceId = com.ss.android.ugc.aweme:id/tk+	读回来就是昵称原文（如 周周苏州吃喝玩乐）。等价 xpath：//*[@resource-id="com.ss.android.ugc.aweme:id/tk+"]
进切换列表	descriptionContains = 切换账号	右上角那个按钮是个 ImageView，只有 content-desc（切换账号），没有文字
切到某个号	textContains = <名字> 点它	列表每行的名字是 TextView（id tv_nickname），本身 clickable=false —— 但 u2 的 click() 是按中心坐标点屏，行容器（无 id 的 ViewGroup，clickable=true）会接住这次点击，实测能切成
底部「我」页签	descriptionContains = 我	页签的 content-desc 是 我，按钮（全角逗号），包含 就能命中；别用 text=我（会撞上「我的订单」等）

结构（40.6.0）

「我」页面
└ LinearLayout uj+                      资料块
  ├ ukd → s=g → TextView tk+ = 昵称      ← 读名字就用它
  │        └ j2f → 1gp → ImageView oxp（desc=切换账号）  ← 点它进列表
  └ ukc → l1= → j6c → g7j = 抖音号：xxx

切换账号列表（点 oxp 后弹出的面板）
└ View（desc=返回，铺满面板，可点）         ← "点面板外关掉"那层
  ├ ViewGroup（无 id，clickable）894~1060  ← 第 1 行（当前号）
  │   ├ ImageView iv_avatar / TextView tv_nickname / TextView 37_（粉丝数）/ CheckBox b7w
  ├ ViewGroup 1060~1228                   ← 第 2 行
  ├ ViewGroup 1228~1396                   ← 第 3 行
  └ ViewGroup 1396~1556（添加或注册新账号）

为什么不要用 (…b7w)[N]

b7w 是每行那个单选框（CheckBox）的 id —— (…b7w)[2] 看着能选中第 2 行， 但这正是本文 §二说的序号型：[N] 依赖"列表里有几行、面板从哪一行开始"，号一多/一少、 或者抖音把「添加或注册新账号」挪个位置就点到别人号上了（把内容发到别人号上，最严重的一类错）。 按名字点（textContains=<名字>）永远指着那一行本身。

实测记录

• 冷启动（app_stop → app_start）后切号：17.2s 成功；热态切号 12.9s
• ⚠ 第一次实现踩的坑：把"进列表"后的等待写成固定 sleep(1.2s) 再找一次， 冷启动时列表还没渲染出来 → 判成"本机没登这个号" → 漏发（还不会报错，只是不发）。 现在两处都改成轮询到 deadline（max(6s, timeout)）：等面板出目标行、等回读变成目标名。 教训同 §一："找不到"和"没加载出来"必须用等待区分开。

抓取命令（下次 App 改版后重抓）

# 前台确保是抖音且在「我」页，然后
.venv/Scripts/python -c "import uiautomator2 as u2; d=u2.connect('<serial>'); open('me.xml','w',encoding='utf-8').write(d.dump_hierarchy())"
# 在 me.xml 里找 text 是昵称、或 content-desc 是「切换账号」的节点，看它的 resource-id