如何在Python中获取屏幕特定对象的X、Y坐标（非图像识别）

思路1：调用系统原生API #

不同操作系统提供了直接操作窗口、桌面元素的底层API，通过Python调用这些API可以精准获取坐标，无需图像识别。

Windows平台 #

• 定位桌面图标（如回收站）：
  桌面本质是一个ListView控件，可通过pywin32库调用Windows Shell和User32 API实现：
  1. 获取桌面窗口句柄（类名为Progman或WorkerW）
  2. 枚举桌面控件中的所有项，匹配目标图标名称（如“回收站”）
  3. 发送LVM_GETITEMPOSITION消息获取该项的屏幕坐标
     示例代码片段：

  import win32gui
  import win32api
  import win32con
  
  def get_desktop_icon_pos(icon_name):
      # 获取桌面窗口句柄
      hwnd = win32gui.FindWindow("Progman", None)
      hwnd = win32gui.FindWindowEx(hwnd, None, "SHELLDLL_DefView", None)
      hwnd = win32gui.FindWindowEx(hwnd, None, "SysListView32", "FolderView")
      
      # 枚举所有列表项
      count = win32gui.SendMessage(hwnd, win32con.LVM_GETITEMCOUNT, 0, 0)
      for i in range(count):
          # 获取项文本
          buf = win32gui.PyMakeBuffer(256)
          win32gui.SendMessage(hwnd, win32con.LVM_GETITEMTEXT, i, buf)
          text = str(buf)
          if icon_name in text:
              # 获取坐标
              pos = win32gui.PyMakeBuffer(8)
              win32gui.SendMessage(hwnd, win32con.LVM_GETITEMPOSITION, i, pos)
              x, y = win32api.UnpackDWORD(pos[:4]), win32api.UnpackDWORD(pos[4:])
              return (x, y)
      return None
  

• 定位运行中的应用窗口（如Python）：
  通过FindWindow或EnumWindows遍历所有窗口，匹配窗口标题或进程名，再用GetWindowRect获取坐标：

  import win32gui
  
  def get_window_pos(window_title_keyword):
      def callback(hwnd, extra):
          if win32gui.IsWindowVisible(hwnd):
              title = win32gui.GetWindowText(hwnd)
              if window_title_keyword in title:
                  rect = win32gui.GetWindowRect(hwnd)
                  extra.append((rect[0], rect[1]))
      pos_list = []
      win32gui.EnumWindows(callback, pos_list)
      return pos_list[0] if pos_list else None
  

macOS平台 #

使用pyobjc调用Cocoa框架：

• 定位运行中的应用：通过NSWorkspace获取应用实例，再获取窗口的frame属性得到坐标
• 定位桌面图标：可通过Finder的脚本桥接（Scripting Bridge）获取桌面图标位置

Linux平台 #

• 调用xdotool命令行工具，通过窗口标题或进程名查找窗口并获取坐标：

  import subprocess
  
  def get_linux_window_pos(window_title):
      result = subprocess.run(
          ["xdotool", "search", "--name", window_title, "getwindowgeometry"],
          capture_output=True, text=True
      )
      if result.returncode == 0:
          for line in result.stdout.splitlines():
              if "Position:" in line:
                  pos = line.split(":")[1].strip().split(",")
                  return (int(pos[0]), int(pos[1]))
      return None
  

思路2：使用高层封装库 #

利用第三方封装好的库，简化系统API的调用流程：

• pygetwindow：主要支持Windows的窗口操作库，可直接枚举窗口、匹配标题并获取坐标：

  import pygetwindow as gw
  
  def get_window_pos_simple(title_keyword):
      windows = gw.getWindowsWithTitle(title_keyword)
      if windows:
          return (windows[0].left, windows[0].top)
      return None
  

• psutil + 系统API：先通过psutil找到目标进程的PID，再根据PID关联到窗口句柄，进而获取坐标，适合通过进程名定位的场景。

思路3：桌面环境的特定实现 #

针对不同桌面环境的特性，调用专属接口：

• Windows：桌面图标存储在特定的Shell文件夹中，可通过win32com.client访问Shell对象，获取回收站的桌面项属性，进而得到位置。
• GNOME/KDE：通过DBus接口与桌面环境通信，获取桌面图标的位置信息，比如GNOME的org.gnome.Nautilus服务提供相关方法。

内容的提问来源于stack exchange，提问作者joy