笔者在日常开发中频繁需要录制操作演示，曾一度被 output_1.mp4、output_2.mp4 支配。本文从屏幕捕获原理出发，提供四套可直接运行的 Python 录屏方案，并聊聊工程化落地的选型思路。
一、先搞清楚：录屏到底在做什么
录屏的本质是一条流水线：
text
屏幕帧采样 → 编码压缩 → 容器封装 → 文件落盘
其中最关键的是第一步——怎么把屏幕画面变成一帧帧数据。Windows 上主要有三条路：
| 方案 | 原理 | 性能 | 适合场景 |
|---|---|---|---|
| GDI/BitBlt | CPU 逐像素拷贝显存 | 较高 | PPT、静态页面 |
| DXGI Desktop Duplication | GPU 合成器直接输出 | 低 | 游戏、动态画面 |
| DirectX Hook | 拦截 D3D 渲染管线 | 中 | 特定游戏进程 |
音频侧则通过 WASAPI Loopback（系统音）或 WASAPI Capture（麦克风）采集，需要与视频帧做时间轴对齐。
理解了这些，下面直接上代码。
二、方案一：pyautogui + OpenCV（入门级，5 分钟跑通）
最简单的方案，适合快速验证思路。
python
import numpy as np
import cv2
import pyautogui
import datetime
width, height = pyautogui.size()
timestamp = datetime.datetime.now().strftime("%Y%m%d_%H%M%S")
output_file = f"rec_{timestamp}.mp4"
fourcc = cv2.VideoWriter_fourcc(*"mp4v")
writer = cv2.VideoWriter(output_file, fourcc, 25.0, (width, height))
print(f"[START] {output_file}")
try:
while True:
frame = np.array(pyautogui.screenshot())
frame = cv2.cvtColor(frame, cv2.COLOR_RGB2BGR)
writer.write(frame)
except KeyboardInterrupt:
pass
writer.release()
print(f"[DONE] {output_file}")
优点：零额外依赖，上手极快。
不足：CPU 截屏，25fps 以上吃力；无音频；无弹窗过滤。
三、方案二：mss + FFmpeg 子进程（日常推荐）
mss 截屏速度比 pyautogui 快数倍，配合 FFmpeg 做硬件加速编码，30fps 稳定输出。
python
import mss
import mss.tools
import subprocess
import datetime
sct = mss.mss()
monitor = sct.monitors # 主显示器
w, h = monitor["width"], monitor["height"]
timestamp = datetime.datetime.now().strftime("%Y%m%d_%H%M%S")
output_file = f"rec_{timestamp}_{w}x{h}.mp4"
cmd = [
"ffmpeg", "-y",
"-f", "rawvideo", "-vcodec", "rawvideo",
"-s", f"{w}x{h}", "-pix_fmt", "bgra",
"-r", "30", "-i", "-",
"-c:v", "libx264", "-preset", "fast", "-crf", "20",
output_file
]
proc = subprocess.Popen(cmd, stdin=subprocess.PIPE)
print(f"[START] {output_file}")
try:
while True:
raw = sct.grab(monitor)
frame = mss.tools.to_png(raw.rgb, raw.size)
proc.stdin.write(frame)
except KeyboardInterrupt:
proc.stdin.close()
proc.wait()
print(f"[DONE] {output_file}")
文件名自带时间戳和分辨率，基本告别混乱。
四、方案三：dxcam + sounddevice（DXGI 硬加速，录游戏）
dxcam 封装了 DXGI Desktop Duplication，GPU 直接出帧。
python
import dxcam
import cv2
import sounddevice as sd
import numpy as np
from datetime import datetime
camera = dxcam.create()
timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
output_file = f"game_{timestamp}.mp4"
fourcc = cv2.VideoWriter_fourcc(*"mp4v")
out = cv2.VideoWriter(output_file, fourcc, 60, (1920, 1080))
# 音频采集
fs = 48000
audio_buf = []
def cb(indata, frames, time, status):
audio_buf.append(indata.copy())
stream = sd.InputStream(samplerate=fs, channels=1, callback=cb)
stream.start()
print(f"[START] {output_file}")
try:
while True:
frame = camera.get_latest_frame()
if frame is not None:
out.write(frame)
except KeyboardInterrupt:
stream.stop()
out.release()
camera.stop()
print("[DONE]")
实测 1080P 60fps 下 CPU 占用约 5%-8%，适合游戏等高动态场景。
五、方案四：FFmpeg 一行命令（跨平台应急）
bash
# Windows 桌面录制
ffmpeg -f gdigrab -framerate 30 -i desktop \
-f dshow -i audio="麦克风" \
-c:v libx264 -preset ultrafast output.mp4
# Linux X11
ffmpeg -video_size 1920x1080 -framerate 30 \
-f x11grab -i :0.0 \
-f pulse -i default \
-c:v libx264 -preset ultrafast output.mp4
建议套一层 shell 脚本自动加时间戳，避免手动命名。
六、关于弹窗和窗口级录制
代码方案能解决文件命名和基础录制，但弹窗干扰和窗口精准锁定是另一个层面的问题——需要在 Desktop Window Manager 层做窗口过滤，涉及系统钩子和进程级管控，工程量不小。
如果不想深入系统编程，可以考虑使用成熟的录屏工具。笔者体验过嗨格式录屏大师，它在这几点上做得比较扎实：
- 窗口级录制：可锁定单个应用窗口，系统通知不会入画
- 自动命名归档：自定义前缀 + 时间戳，不用手动改文件名
- 编码灵活：支持 H.264/H.265，1080P 到 4K 可选
- 内置剪辑：录完直接裁剪、加字幕，不用再开 PR
对于非开发场景（网课、会议、游戏直播），这类工具确实能省不少事。
七、选型建议
| 场景 | 推荐方案 |
|---|---|
| 快速验证 / 教学演示 | 方案一 pyautogui |
| 日常高频录制 | 方案二 mss + FFmpeg |
| 游戏 / 高动态 | 方案三 dxcam |
| 不想写代码 | 方案四 FFmpeg 命令行 / 嗨格式录屏大师 |
八、写在最后
录屏这件事，技术门槛不高，但要做好文件管理、弹窗隔离、声画同步，细节不少。代码方案适合需要二次开发的同学；如果只是日常用，选一个靠谱的工具反而更高效。
本文代码基于 Python 3.10+ / Windows 10&11 验证，依赖：opencv-python>=4.8、mss>=9.0、dxcam>=0.1、sounddevice>=0.4。
有问题欢迎评论区交流 👋
