Autox.js 的运行机制 无障碍服务是怎么让它"看见"手机屏幕的

一个 App，四个核心模块

Autox.js 看起来就是个装在手机上的应用，但它背后的运行机制比普通 App 复杂得多。理解它的四个核心模块，能帮你写出更稳定的脚本、排查更多类型的问题。

架构总览

┌─────────────────────────────────────────────────┐
│                   Autox.js App                    │
│  ┌──────────┐  ┌──────────┐  ┌─────────────────┐ │
│  │ 无障碍服务 │  │ 悬浮窗控制 │  │  脚本引擎 (Rhino) │ │
│  │Accessibility│ │  Floaty  │  │   + Node.js      │ │
│  └──────┬───┘  └────┬─────┘  └────────┬────────┘ │
│         │            │                 │           │
│         ▼            ▼                 ▼           │
│   ┌────────────────────────────────────────────┐   │
│   │          布局分析 / 控件树 / 图像识别          │   │
│   └────────────────────────────────────────────┘   │
└─────────────────────────────────────────────────┘

模块一：无障碍服务（Accessibility Service）

这是整个系统的眼睛和双手。Android 系统出于残障人士辅助功能的需求，开放了 AccessibilityService API——任何 App 只要被用户授权，就可以：

• 读取当前屏幕的 UI 控件树（每个按钮、文字、输入框的层级结构）
• 模拟点击、滑动、长按、按键
• 监听页面切换事件

Autox.js 的选择器 API（findOne()、click() 等）全部建立在这个服务之上。没有无障碍授权，Autox.js 就只是一个空壳 App。

注意：无障碍服务的权限是持续性的——开一次关不掉，除非用户手动去系统设置里关闭。这既是它能稳定运行的原因，也是系统和安全软件频繁干扰它的原因。

模块二：悬浮窗控制条（Floaty）

悬浮窗是 Autox.js 与用户交互的主要入口：

• 录制按钮：开始/停止录制操作，自动生成 JS 代码
• 运行/停止：启动或终止当前脚本
• 布局分析器：打开控件树可视化工具
• 控制台：显示 console.log() 的输出

它之所以能显示在任何 App 之上，是因为用到了 Android 的 TYPE_APPLICATION_OVERLAY（悬浮窗）权限。没有这个权限，Autox.js 就无法在后台运行时展示控制条。

模块三：脚本引擎（Rhino + Node.js）

Autox.js v7 的脚本引擎有两层：

Rhino v1.8.0：Mozilla 开发的 Java 实现的 JavaScript 引擎，是 Android 上最成熟的 JS 运行时之一。v7 版本大幅升级了 Rhino 引擎，修复了内存泄漏、完善了 ES6+ 语法支持。

Node.js 运行时（v7 新增）：在 Rhino 之外又加入了一个 Node.js 兼容层，支持 require() 引入模块、npm 生态。这让 Autox.js 不再只是"手机上跑 JS"，而是真正具备了 Node 级别的工程化能力。

两个运行时通过桥接层互通——Node 侧可以调用 Android 的 Java 类，Rhino 侧也能加载 Node 模块。

模块四：布局分析器（Layout Inspector）

布局分析器是 Autox.js 内置的调试工具，类似 Android Studio 的 Layout Inspector。当你打开它时：

• 屏幕变成半透明蒙层
• 点击任意控件 → 弹出详情面板，显示它的 id、className、text、bounds、parent、childCount
• 可以直接复制生成选择器代码，比如 id("com.example:id/btn_ok").click()

这个工具是写选择器脚本的第一生产力——不用瞎猜控件的属性，现场点一下就知道。

协作流程：一次 click 发生了什么

当脚本执行 className("Button").text("确定").click() 时：

1. Rhino 引擎解析 JS 代码，触发 select() 调用
2. 无障碍服务读取当前界面的控件树（一次 AccessibilityEvent 或 snapshot）
3. 选择器引擎遍历控件树，逐个匹配 className == "Button" 且 text == "确定" 的节点
4. 找到目标后，构造一个 AccessibilityNodeInfo 的 click 动作，通过无障碍服务发送给系统
5. Android 系统把这个 click 事件派发给目标 App

整个过程不涉及屏幕坐标——它和你在屏幕上点的物理位置无关，只要控件树还在就能操作。这也是为什么控件选择器脚本比坐标脚本稳。

为什么需要 Root

大部分功能不需要 Root，但有几类操作必须 Root才能实现：

• 精准坐标点击：无障碍服务提供的 click 是"语义点击"（对控件发事件），而不是"像素级点击"（对屏幕某个坐标发触摸事件）。要做像素级操作（比如游戏画面上点一个像素点），必须通过 Root shell 执行 input tap x y 命令
• 录屏生成可回放文件：无障碍服务无法录制原始触摸事件，Root 模式下可以记录成二进制文件，回放更流畅
• 运行 shell 命令：虽然 v7 增加了很多系统 API，但有些底层操作仍然需要 su -c

日常使用中，90% 以上的场景不需要 Root。