首页 > 文章 > python教程

Python屏幕录制教程：PyAV使用全攻略

时间：2025-07-29 23:10:31 302浏览收藏

在文章实战开发的过程中，我们经常会遇到一些这样那样的问题，然后要卡好半天，等问题解决了才发现原来一些细节知识点还是没有掌握好。今天golang学习网就整理分享《Python屏幕录制教程：PyAV配置详解》，聊聊，希望可以帮助到正在努力赚钱的你。

要使用Python实现屏幕录制，核心在于结合PyAV和mss库分两步完成：1. 使用mss捕获屏幕图像帧；2. 利用PyAV将图像帧编码并保存为视频文件。具体流程包括安装PyAV、mss及FFmpeg依赖，配置FFmpeg环境变量，选择录制区域，循环捕获并处理图像数据，最后编码写入视频文件。常见问题如FFmpeg未找到或编码器不支持，可通过验证安装、检查PATH路径及确认编码器兼容性解决。最佳实践建议使用conda环境隔离依赖，并通过time.sleep控制帧率以提升稳定性。

如何使用Python实现屏幕录制？PyAV库配置教程

使用Python实现屏幕录制，核心在于结合像PyAV这样的库来处理视频流，同时借助其他库来捕获屏幕画面。PyAV是FFmpeg的Python绑定，它提供了强大的音视频处理能力，但配置过程，特别是FFmpeg的依赖，确实是不少人会遇到的第一个挑战。一旦配置妥当，利用Python进行定制化的屏幕录制就变得非常灵活了。

解决方案

要实现Python屏幕录制，我们需要分两步走：首先是捕获屏幕图像帧，其次是利用PyAV将这些图像帧编码并保存为视频文件。

1. 捕获屏幕图像帧

PyAV本身不提供屏幕捕获功能。我们需要借助第三方库来获取实时的屏幕截图。在Python生态中，mss和Pillow（或其自带的ImageGrab模块，Windows平台特有）是常用的选择。mss（Monitor ScreenShot）是一个非常轻量且高效的跨平台屏幕截图库，推荐使用。

2. 使用PyAV编码图像帧为视频

捕获到图像帧后，我们将这些图像数据传递给PyAV。PyAV会将其视为视频帧，并根据预设的编码器（如H.264）将其编码成视频流，最终写入到一个容器文件（如MP4）中。

核心流程概览：

安装依赖： PyAV、mss，以及底层的FFmpeg。
选择录制区域： 全屏或指定区域。
循环捕获： 在一个循环中不断捕获屏幕图像。
图像处理： 将捕获的图像转换为PyAV可接受的格式（通常是NumPy数组）。
编码与写入： 将处理后的图像帧编码并写入到视频文件中。
资源释放： 录制结束后，关闭视频文件，释放资源。

PyAV库安装与FFmpeg环境配置：初学者常犯的错误与最佳实践

说实话，刚开始接触PyAV的时候，最让人头疼的往往不是代码本身，而是它背后的FFmpeg。PyAV是FFmpeg的Python接口，这意味着你的系统里必须得有FFmpeg这个“大家伙”才能正常工作。这块儿是个坑，但只要搞清楚了，以后就畅通无阻。

1. 安装PyAV和屏幕捕获库：

这部分相对简单，直接用pip就行：

pip install av mss numpy

numpy是处理图像数据时常用到的，mss用于屏幕捕获。

2. FFmpeg环境配置：

这是关键。PyAV需要FFmpeg的可执行文件（ffmpeg和ffprobe）在系统的PATH环境变量中，或者你得明确告诉PyAV它们在哪里。

Windows用户：
- 最省心的方式是使用包管理器，比如Scoop或Chocolatey。
  - 使用Scoop: scoop install ffmpeg
  - 使用Chocolatey: choco install ffmpeg
- 手动安装：从FFmpeg官网下载预编译版本（通常是shared或full版本），解压到一个固定路径（比如C:\ffmpeg），然后把C:\ffmpeg\bin添加到系统环境变量Path中。别忘了重启你的终端或IDE，让PATH生效。
macOS用户：
- Homebrew是你的好朋友：brew install ffmpeg。通常Homebrew会自动处理PATH。
Linux用户：
- 使用你的发行版包管理器：
  - Debian/Ubuntu: sudo apt update && sudo apt install ffmpeg
  - Fedora: sudo dnf install ffmpeg
  - Arch Linux: sudo pacman -S ffmpeg

初学者常犯的错误与最佳实践：

错误：FFmpeg not found！
- 原因： 最常见的就是FFmpeg没装，或者装了但ffmpeg.exe（或ffmpeg）不在PATH里。
- 排查： 打开命令行（CMD/PowerShell/Terminal），输入ffmpeg -version。如果能显示版本信息，说明FFmpeg已正确安装并可被系统识别。如果不行，检查PATH变量。
错误：Codec not supported！
- 原因： 你尝试使用的编码器（比如libx264）在你的FFmpeg版本中没有被编译进去，或者你写错了编码器名字。
- 排查： 确保你下载的是full或shared版本的FFmpeg，这些版本通常包含了常用的编码器。或者，在命令行运行ffmpeg -codecs查看支持的编码器列表。
最佳实践：
- 验证安装： 每次安装或配置FFmpeg后，都用ffmpeg -version和ffprobe -version来验证一下。
- 固定路径： 如果手动安装，尽量放在一个不容易被误删的固定路径。
- 环境隔离： 如果项目多，考虑使用conda环境，它有时能更方便地管理FFmpeg依赖。

Python屏幕录制核心代码解析：从捕获到编码的细节考量

这部分是真正动手的环节。我们要把前面准备好的工具串联起来，实现屏幕录制。我个人觉得，理解数据流向是关键：屏幕 -> mss捕获为图像数据（NumPy数组） -> PyAV将数组转换为帧 -> PyAV编码帧 -> 写入文件。

import av
import mss
import numpy as np
import time

def record_screen(output_filename="screen_record.mp4", fps=20, duration_seconds=10,
                  codec="libx264", pixel_format="yuv420p", monitor_id=1):
    """
    使用PyAV和mss进行屏幕录制。

    Args:
        output_filename (str): 输出视频文件名。
        fps (int): 录制帧率。
        duration_seconds (int): 录制时长（秒）。
        codec (str): 视频编码器，如"libx264" (H.264), "mpeg4"。
        pixel_format (str): 像素格式，如"yuv420p" (兼容性好), "rgb24"。
        monitor_id (int): 要录制的显示器ID (1为主显示器，0为所有显示器)。
                          注意：mss的monitor[0]是所有显示器，monitor[1]是主显示器。
    """
    try:
        with mss.mss() as sct:
            # 选择要录制的显示器
            # mss.monitors[0] 是所有显示器的总和
            # mss.monitors[1] 通常是主显示器
            # 你可以根据实际情况选择 sct.monitors[1], sct.monitors[2] 等
            monitor = sct.monitors[monitor_id]

            # 获取屏幕尺寸
            width = monitor["width"]
            height = monitor["height"]

            # 打开输出视频文件容器
            # 'w' 表示写入模式
            container = av.open(output_filename, mode="w")

            # 添加视频流
            # codec: 编码器名称
            # rate: 帧率
            stream = container.add_stream(codec, rate=fps)
            stream.width = width
            stream.height = height
            stream.pix_fmt = pixel_format # 设置像素格式

            print(f"开始录制屏幕: {width}x{height} @ {fps} FPS, 持续 {duration_seconds} 秒...")

            start_time = time.time()
            frame_count = 0

            # 循环捕获和编码帧
            for frame_idx in range(int(fps * duration_seconds)):
                # 捕获屏幕图像
                # sct.grab 返回一个字典，包含像素数据和元数据
                sct_img = sct.grab(monitor)

                # 将mss捕获的图像转换为NumPy数组
                # mss捕获的是RGBA格式 (4通道)
                img_rgba = np.array(sct_img, dtype=np.uint8)

                # PyAV通常期望RGB或BGR格式的输入进行编码
                # 我们只需要RGB通道，所以去掉alpha通道
                img_rgb = img_rgba[:, :, :3] # 取前3个通道 (R, G, B)

                # 从NumPy数组创建AV视频帧
                # format="rgb24" 告诉PyAV输入数组是RGB24格式
                frame = av.VideoFrame.from_ndarray(img_rgb, format="rgb24")

                # 编码帧并写入到容器中
                # stream.encode(frame) 会返回一个或多个Packet对象
                for packet in stream.encode(frame):
                    container.mux(packet) # 将Packet写入容器

                frame_count += 1

                # 简单的时间同步，防止捕获过快导致CPU占用过高或帧率不稳
                # 确保每秒捕获的帧数接近设定值
                expected_time = start_time + frame_count / fps
                sleep_time = expected_time - time.time()
                if sleep_time > 0:
                    time.sleep(sleep_time)

            # 刷新剩余的编码器缓冲区
            # 编码器内部可能还有未输出的帧，需要调用不带参数的encode()来获取它们
            for packet in stream.encode():
                container.mux(packet)

            # 关闭容器，保存文件
            container.close()

            print(f"录制完成，文件已保存至: {output_filename}")

    except av.FFmpegRuntimeError as e:
        print(f"FFmpeg运行时错误：{e}")
        print("请检查FFmpeg是否正确安装并配置到系统PATH中。")
    except Exception as e:
        print(f"发生错误：{e}")

# 示例调用
if __name__ == "__main__":
    # 录制15秒，帧率30，保存为my_screen_record.mp4
    # 注意：高分辨率和高帧率会显著增加CPU和磁盘I/O压力
    record_screen(output_filename="my_screen_record.mp4", fps=30, duration_seconds=15,
                  monitor_id=1) # 默认录制主显示器
    # 如果想录制所有显示器，可以尝试 monitor_id=0，但可能会遇到分辨率问题，
    # 建议还是指定具体显示器

代码细节考量：

mss.mss()： 这是屏幕捕获的核心，它能高效地获取当前屏幕的像素数据。monitor_id的选择很重要，sct.monitors[0]通常代表所有显示器的总和（如果你的系统有多个），而sct.monitors[1]通常是主显示器。如果你有多个显示器，可能需要根据sct.monitors列表的输出来确定正确的ID。
np.array(sct_img, dtype=np.uint8)： mss返回的图像数据是字节串，转换为NumPy数组便于处理。mss捕获的默认是RGBA（红绿蓝透明度）格式，4个通道。
img_rgb = img_rgba[:, :, :3]： PyAV在处理视频帧时，通常更倾向于RGB（红绿蓝）格式，也就是3个通道。这里我们直接去掉了Alpha（透明度）通道。
av.VideoFrame.from_ndarray(img_rgb, format="rgb24")： 这是将NumPy数组转换为PyAV内部视频帧对象的关键。format="rgb24"明确告诉PyAV，我们传入的NumPy数组是24位的RGB像素格式。
stream.encode(frame)： 编码过程。FFmpeg（通过PyAV）会处理压缩。
container.mux(packet)： 将编码后的数据包（packet）写入到最终的视频文件容器中。
stream.encode()（无参数调用）： 非常重要！在循环结束后，编码器内部可能还缓存了一些未完全处理的帧。调用不带参数的stream.encode()会强制编码器输出所有剩余的帧，确保视频的完整性。
时间同步： time.sleep()的引入是为了控制帧率。如果屏幕捕获和编码速度过快，可能会导致实际帧率远超设定值，增加文件大小。简单的time.sleep可以帮助我们接近目标帧率，但更精确的同步可能需要更复杂的PID控制器或队列管理。

优化屏幕录制性能与常见问题排查：告别卡顿与录制失败

屏幕录制是个资源密集型任务，特别是高分辨率和高帧率的录制。我经常会遇到录制卡顿、文件过大或者直接录制失败的情况，这通常涉及到性能优化和一些常见问题的排查。

性能优化策略：

降低帧率（FPS）： 这是最直接有效的方法。从30FPS降到20FPS甚至15FPS，对观看体验影响不大，但能显著降低CPU和磁盘I/O压力。

降低分辨率： 录制全高清（1920x1080）甚至4K屏幕，会产生巨大的数据量。如果内容允许，考虑录制屏幕的某个区域，或者在编码前对图像进行缩放。

代码调整： 在捕获后，可以对img_rgb进行缩放，例如使用Pillow的Image.resize()。

from PIL import Image
# ... (在捕获sct_img后)
img_rgb = img_rgba[:, :, :3]
pil_img = Image.fromarray(img_rgb)
# 缩放到一半大小
resized_pil_img = pil_img.resize((width // 2, height // 2), Image.LANCZOS)
img_rgb_resized = np.array(resized_pil_img)
# 记得更新stream.width和stream.height为缩放后的尺寸
stream.width = width // 2
stream.height = height // 2
frame = av.VideoFrame.from_ndarray(img_rgb_resized, format="rgb24")

选择高效编码器： libx264（H.264）是目前最常用且效率不错的视频编码器。它在压缩率和画质之间取得了很好的平衡。如果你追求更小的文件大小，可以尝试调整编码器的参数（例如，crf值，但PyAV直接设置这些可能需要更深入的FFmpeg命令行知识）。
硬件加速（高级）： FFmpeg支持利用GPU进行硬件加速编码（如NVIDIA的NVENC、Intel的QSV、AMD的AMF）。如果你的FFmpeg版本支持，并且PyAV能正确调用，这将极大减轻CPU负担。但这通常需要特定的FFmpeg编译版本和更复杂的PyAV配置，对初学者来说门槛较高。
异步处理/队列： 在高性能场景下，可以考虑使用多线程或异步编程。一个线程负责捕获屏幕，将图像帧放入一个队列；另一个线程从队列中取出帧并进行编码。这可以平滑处理峰值负载，避免因某个环节阻塞而导致的卡顿。

常见问题排查：

录制文件为空或损坏：
- 问题： 录制结束后文件大小为0KB，或播放器提示文件损坏。
- 原因： 最常见的是编码器缓冲区未完全刷新。
- 解决方案： 确保在录制循环结束后，调用

今天关于《Python屏幕录制教程：PyAV使用全攻略》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于的内容请关注golang学习网公众号！