TL;DR

Chrome上で動画を見ながら、VSCodeで作業している状態から、ショートカットキー１発で動画の再生・停止を行う方法を検討してみました。

背景

Web上の動画系教材（UdemyやYouTubeなど）を利用して何かを学習する際、「Chromeで動画を見ながら、VSCodeで作業する」ことって多々ありますよね。その際、以下のような理由で「動画を一時停止 → VSCodeでコード書く → ひと段落した後、動画を再生」という作業が結構な頻度で発生します。

「講師の方がコード書くの早すぎ＆正確すぎて、ついていけない」
「この関数の挙動がよく分からないから、簡単なコード書いて確かめてみるか」
「この処理シェルにまとめておくか」

この**「動画を一時停止 → VSCode上でコード書く → ひと段落した後、動画を再生」**という作業を普通に行うと、以下のようになると思います（Active Window が VSCode の場合）。

Chrome を Activate (カーソル移動とクリック or command + shift)
動画停止
VSCode を Activate
コード書く
ひと段落した後、再び Chrome を Activate
動画再生

この一連の作業を何度も繰り返していると**「面倒臭い」**という感情が芽生えてきます。そこで、以下の２つのアイテムを組み合わせれば、この問題を解決できると考えました。

VSCode上から、あるショートカットキーをトリガーにして、任意のスクリプトを実行する機能
「Chrome を Activate → 動画停止 or 再生 → VSCode を Activate」を自動（できれば高速）で行うスクリプト

実現方法

VSCode のタスク機能と Python を組み合わせることにしました。

VSCode タスク機能

VSCode には build や test を自動化できる機能（Tasks in Visual Studio Code）が備わっていることを最近知りました。本来の使用方法とは異なる気がしますが、この機能を利用して、Python のスクリプトを VSCode 上からショートカットキーで実行できるようにします。

command + shift + pでコマンドパレットを表示
Tasks: Configure Taskを選択
Create tasks.json file from templateを選択
Othersを選択（.vscode/tasks.jsonが生成される）
以下を.vscode/tasks.jsonに貼り付け

これで、command + shift + bでpython ~/Desktop/clicker/clicker.pyを実行できるようになりました。

tasks.json

{
    "version": "2.0.0",
    "tasks": [
        {
            "label": "click",
            "type": "shell",
            "command": "python ~/Desktop/clicker/clicker.py",
            "presentation": {
                "reveal": "silent",
            },
            "group": {
                "kind": "build",
                "isDefault": true
            }
        }
    ]
}

Python 動画再生・停止スクリプト

pyautoguiを使用して実装しました。処理の流れは以下のようになります。

プログラム実行時のカーソルの位置を取得(x_now, y_now)
動画の位置(x_click, y_click)までカーソル移動
２回クリック（１回目で Chrome を Activate して、２回目で動画の再生・停止）
カーソルを元の位置(x_now, y_now)に戻す
command + tabで VSCode を Activate

clicker.py

import os
import sys
import re
import argparse
import pyautogui as pag


def get_click_pos():
    _ = input('\nMove the cursor where you want to click and press <Enter>')
    x, y = pag.position()
    return x, y


def update_click_pos():
    x, y = get_click_pos()
    print(f'New click position x:{x} y:{y}')
    this_file_abs_path = os.path.realpath(__file__)
    with open(this_file_abs_path, 'r') as f:
        content = f.read()

    content = re.sub(r'(x_click = )-?\d+', r'\g<1>' + str(x), content)
    content = re.sub(r'(y_click = )-?\d+', r'\g<1>' + str(y), content)
    with open(this_file_abs_path, 'w') as f:
        f.write(content)


def main():
    # '-u' を付けて呼ぶと、x_click, y_click の値をアップデートする
    parser = argparse.ArgumentParser()
    parser.add_argument('-u', '--update', action='store_true')
    args = parser.parse_args()
    
    if args.update:
        update_click_pos()
        sys.exit()

    x_now, y_now = pag.position()
    x_click = 0
    y_click = 0
    pag.click(x_click, y_click, clicks=2)
    pag.moveTo(x_now, y_now)
    pag.hotkey('command', 'tab')


if __name__ == '__main__':
    main()

動画の位置をどのように取得するか考えたのですが、以下の手順で事前に取得する方式にしました。他にもっと良い方法が無いか現在模索中です、、、

-uオプション付きでプログラムを実行（python clicker.py -u）
カーソルを動画の位置まで動かして Enter
スクリプト内のx_click, y_clickの値が更新される

得られたもの

これで学習が捗る
VSCode のタスク機能はこれ以外にも利用できそう