這篇文章主要爲大家詳細介紹了PyQt5實現五子棋遊戲,人機對弈,具有一定的參考價值,感興趣的小夥伴們可以參考一下
這篇博客主要是爲了學習Python和PyQt,因爲對棋類遊戲比較熱衷,所以從規則較簡單的五子棋入手,利用PyQt5實現圖形界面,做一個可以進行人機對弈的腳本,最後打包成應用程序。AI的算法打算用神經網絡來完成,正在苦學TensorFlow中。
本來我以爲五子棋規則很簡單,不就像小學時候玩的那樣,五個棋子連在一起就贏了嘛,但是後來發現事情並沒有那麼簡單,現在的五子棋有禁手這個規則 ,“三三禁手” 、“四四禁手”、“長連禁手”等等,都是爲了限制現行一方必勝。我也不是職業的棋手,對吧,所以禁手什麼的就不考慮了,弄個簡單的成品出來就很滿足了。
代碼全是邊學習邊寫的,有瑕疵的地方歡迎提出。
第一步,收集素材
主要就是棋子、棋盤的圖片,還有下棋的音效
音效與代碼一起在最後給出
第二步,五子棋的邏輯類
收集完素材後,不着急界面的編寫,先將五子棋的邏輯寫好,界面和邏輯要分開,這很重要。
先想想在五子棋的邏輯類裏要有哪些東西。
首先是棋盤,棋盤用15*15的數組表示
然後是棋子,黑棋用1表示,白棋用2表示,空白就用0表示
再然後還要獲取指定點的座標,獲取指定點的方向等等。
最重要的也是稍微有點難度的部分就是判斷輸贏。結合網上的方法和我自己的理解,下面貼出我寫的代碼,僅供參考。
chessboard.py
# ---------------------------------------------------------------------- # 定義棋子類型,輸贏情況 # ---------------------------------------------------------------------- EMPTY = 0 BLACK = 1 WHITE = 2 # ---------------------------------------------------------------------- # 定義棋盤類,繪製棋盤的形狀,切換先後手,判斷輸贏等 # ---------------------------------------------------------------------- class ChessBoard(object): def __init__(self): self.__board = [[EMPTY for n in range(15)] for m in range(15)] self.__dir = [[(-1, 0), (1, 0)], [(0, -1), (0, 1)], [(-1, 1), (1, -1)], [(-1, -1), (1, 1)]] # (左 右) (上 下) (左下 右上) (左上 右下) def board(self): # 返回數組對象 return self.__board def draw_xy(self, x, y, state): # 獲取落子點座標的狀態 self.__board[x][y] = state def get_xy_on_logic_state(self, x, y): # 獲取指定點座標的狀態 return self.__board[x][y] def get_next_xy(self, point, direction): # 獲取指定點的指定方向的座標 x = point[0] + direction[0] y = point[1] + direction[1] if x < 0 or x >= 15 or y < 0 or y >= 15: return False else: return x, y def get_xy_on_direction_state(self, point, direction): # 獲取指定點的指定方向的狀態 if point is not False: xy = self.get_next_xy(point, direction) if xy is not False: x, y = xy return self.__board[x][y] return False def anyone_win(self, x, y): state = self.get_xy_on_logic_state(x, y) # 當前落下的棋是黑棋還是白棋,它的狀態存儲在state中 for directions in self.__dir: # 對米字的4個方向分別檢測是否有5子相連的棋 count = 1 # 初始記錄爲1,因爲剛落下的棋也算 for direction in directions: # 對落下的棋子的同一條線的兩側都要檢測,結果累積 point = (x, y) # 每次循環前都要刷新 while True: if self.get_xy_on_direction_state(point, direction) == state: count += 1 point = self.get_next_xy(point, direction) else: break if count >= 5: return state return EMPTY def reset(self): # 重置 self.__board = [[EMPTY for n in range(15)] for m in range(15)]
將上面的代碼放在chessboard.py裏面就完成了最基本的操作了。
第三步,利用PyQt5實現圖形界面
先想好思路。
1.目標是做一個簡易的五子棋的界面,主窗口只需要一個Widget就可以了
2.Widget的背景設置爲棋盤圖片
3.鼠標每點擊一次空白區域,該區域就添加一個標籤,在標籤中插入棋子圖片
4.因爲是人機對弈,玩家執黑棋,所以可以將鼠標變成黑棋圖片(這一點比較複雜,需要重寫標籤類)
5.整體邏輯是:鼠標點擊一次—->換算座標(UI座標到棋盤座標)—->判斷座標是否合理—->黑棋落在棋盤上—->判斷是否贏棋—->電腦思考—->電腦下白棋—->判斷是否贏棋……
6.因爲AI思考需要時間,所以還需要加一個線程,單獨讓它計算AI的走法
7.一些細節問題: 贏棋和輸棋怎麼處理(對話框)、和棋怎麼辦(這個先不考慮)、遊戲後期棋子非常多的時候容易眼花,不知道AI走到哪怎麼辦(加一個指示箭頭)、音效怎麼插入(用QSound)等等
下面給出整體代碼:
gobangGUI.py
from chessboard import ChessBoard from ai import searcher WIDTH = 540 HEIGHT = 540 MARGIN = 22 GRID = (WIDTH - 2 * MARGIN) / (15 - 1) PIECE = 34 EMPTY = 0 BLACK = 1 WHITE = 2 import sys from PyQt5 import QtCore, QtGui from PyQt5.QtWidgets import QApplication, QWidget, QLabel, QMessageBox from PyQt5.QtCore import Qt from PyQt5.QtGui import QPixmap, QIcon, QPalette, QPainter from PyQt5.QtMultimedia import QSound # ---------------------------------------------------------------------- # 定義線程類執行AI的算法 # ---------------------------------------------------------------------- class AI(QtCore.QThread): finishSignal = QtCore.pyqtSignal(int, int) # 構造函數裏增加形參 def __init__(self, board, parent=None): super(AI, self).__init__(parent) self.board = board # 重寫 run() 函數 def run(self): self.ai = searcher() self.ai.board = self.board score, x, y = self.ai.search(2, 2) self.finishSignal.emit(x, y) # ---------------------------------------------------------------------- # 重新定義Label類 # ---------------------------------------------------------------------- class LaBel(QLabel): def __init__(self, parent): super().__init__(parent) self.setMouseTracking(True) def enterEvent(self, e): e.ignore() class GoBang(QWidget): def __init__(self): super().__init__() self.initUI() def initUI(self): self.chessboard = ChessBoard() # 棋盤類 palette1 = QPalette() # 設置棋盤背景 palette1.setBrush(self.backgroundRole(), QtGui.QBrush(QtGui.QPixmap('img/chessboard.jpg'))) self.setPalette(palette1) # self.setStyleSheet("board-image:url(img/chessboard.jpg)") # 不知道這爲什麼不行 self.setCursor(Qt.PointingHandCursor) # 鼠標變成手指形狀 self.sound_piece = QSound("sound/luozi.wav") # 加載落子音效 self.sound_win = QSound("sound/win.wav") # 加載勝利音效 self.sound_defeated = QSound("sound/defeated.wav") # 加載失敗音效 self.resize(WIDTH, HEIGHT) # 固定大小 540*540 self.setMinimumSize(QtCore.QSize(WIDTH, HEIGHT)) self.setMaximumSize(QtCore.QSize(WIDTH, HEIGHT)) self.setWindowTitle("GoBang") # 窗口名稱 self.setWindowIcon(QIcon('img/black.png')) # 窗口圖標 # self.lb1 = QLabel(' ', self) # self.lb1.move(20, 10) self.black = QPixmap('img/black.png') self.white = QPixmap('img/white.png') self.piece_now = BLACK # 黑棋先行 self.my_turn = True # 玩家先行 self.step = 0 # 步數 self.x, self.y = 1000, 1000 self.mouse_point = LaBel(self) # 將鼠標圖片改爲棋子 self.mouse_point.setScaledContents(True) self.mouse_point.setPixmap(self.black) #加載黑棋 self.mouse_point.setGeometry(270, 270, PIECE, PIECE) self.pieces = [LaBel(self) for i in range(225)] # 新建棋子標籤,準備在棋盤上繪製棋子 for piece in self.pieces: piece.setVisible(True) # 圖片可視 piece.setScaledContents(True) #圖片大小根據標籤大小可變 self.mouse_point.raise_() # 鼠標始終在最上層 self.ai_down = True # AI已下棋,主要是爲了加鎖,當值是False的時候說明AI正在思考,這時候玩家鼠標點擊失效,要忽略掉 mousePressEvent self.setMouseTracking(True) self.show() def paintEvent(self, event): # 畫出指示箭頭 qp = QPainter() qp.begin(self) self.drawLines(qp) qp.end() def mouseMoveEvent(self, e): # 黑色棋子隨鼠標移動 # self.lb1.setText(str(e.x()) + ' ' + str(e.y())) self.mouse_point.move(e.x() - 16, e.y() - 16) def mousePressEvent(self, e): # 玩家下棋 if e.button() == Qt.LeftButton and self.ai_down == True: x, y = e.x(), e.y() # 鼠標座標 i, j = self.coordinate_transform_pixel2map(x, y) # 對應棋盤座標 if not i is None and not j is None: # 棋子落在棋盤上,排除邊緣 if self.chessboard.get_xy_on_logic_state(i, j) == EMPTY: # 棋子落在空白處 self.draw(i, j) self.ai_down = False board = self.chessboard.board() self.AI = AI(board) # 新建線程對象,傳入棋盤參數 self.AI.finishSignal.connect(self.AI_draw) # 結束線程,傳出參數 self.AI.start() # run def AI_draw(self, i, j): if self.step != 0: self.draw(i, j) # AI self.x, self.y = self.coordinate_transform_map2pixel(i, j) self.ai_down = True self.update() def draw(self, i, j): x, y = self.coordinate_transform_map2pixel(i, j) if self.piece_now == BLACK: self.pieces[self.step].setPixmap(self.black) # 放置黑色棋子 self.piece_now = WHITE self.chessboard.draw_xy(i, j, BLACK) else: self.pieces[self.step].setPixmap(self.white) # 放置白色棋子 self.piece_now = BLACK self.chessboard.draw_xy(i, j, WHITE) self.pieces[self.step].setGeometry(x, y, PIECE, PIECE) # 畫出棋子 self.sound_piece.play() # 落子音效 self.step += 1 # 步數+1 winner = self.chessboard.anyone_win(i, j) # 判斷輸贏 if winner != EMPTY: self.mouse_point.clear() self.gameover(winner) def drawLines(self, qp): # 指示AI當前下的棋子 if self.step != 0: pen = QtGui.QPen(QtCore.Qt.black, 2, QtCore.Qt.SolidLine) qp.setPen(pen) qp.drawLine(self.x - 5, self.y - 5, self.x + 3, self.y + 3) qp.drawLine(self.x + 3, self.y, self.x + 3, self.y + 3) qp.drawLine(self.x, self.y + 3, self.x + 3, self.y + 3) def coordinate_transform_map2pixel(self, i, j): # 從 chessMap 裏的邏輯座標到 UI 上的繪製座標的轉換 return MARGIN + j * GRID - PIECE / 2, MARGIN + i * GRID - PIECE / 2 def coordinate_transform_pixel2map(self, x, y): # 從 UI 上的繪製座標到 chessMap 裏的邏輯座標的轉換 i, j = int(round((y - MARGIN) / GRID)), int(round((x - MARGIN) / GRID)) # 有MAGIN, 排除邊緣位置導致 i,j 越界 if i < 0 or i >= 15 or j < 0 or j >= 15: return None, None else: return i, j def gameover(self, winner): if winner == BLACK: self.sound_win.play() reply = QMessageBox.question(self, 'You Win!', 'Continue?', QMessageBox.Yes | QMessageBox.No, QMessageBox.No) else: self.sound_defeated.play() reply = QMessageBox.question(self, 'You Lost!', 'Continue?', QMessageBox.Yes | QMessageBox.No, QMessageBox.No) if reply == QMessageBox.Yes: # 復位 self.piece_now = BLACK self.mouse_point.setPixmap(self.black) self.step = 0 for piece in self.pieces: piece.clear() self.chessboard.reset() self.update() else: self.close() if __name__ == '__main__': app = QApplication(sys.argv) ex = GoBang() sys.exit(app.exec_())
簡要說明一下
class AI(QtCore.QThread): finishSignal = QtCore.pyqtSignal(int, int) # 構造函數裏增加形參 def __init__(self, board, parent=None): super(AI, self).__init__(parent) self.board = board # 重寫 run() 函數 def run(self): self.ai = searcher() self.ai.board = self.board score, x, y = self.ai.search(2, 2) self.finishSignal.emit(x, y)
這裏加了一個線程執行AI的計算,前面有個 from ai import searcher ,ai還沒有寫,先從網上找了一個博弈的算法。searcher()就是AI類。該線程傳入參數是 board 就是棋盤狀態。調用self.ai.search(2, 2),第一個2是博弈樹的深度,值越大AI越聰明,但是計算時間也越長。第二個2是說電腦執白棋,如果爲1則是黑棋。線程結束後傳入參數 x, y 就是AI計算後線程傳出的參數。
class LaBel(QLabel): def __init__(self, parent): super().__init__(parent) self.setMouseTracking(True) def enterEvent(self, e): e.ignore()
重新定義Label類是爲了讓黑棋圖片隨着鼠標的移動而移動。如果直接用QLabel的話不能達到預期的效果,具體爲什麼自己去摸索吧。
最後是所有的腳本代碼,在這之後還會繼續學習,將腳本打包成可執行文件,並且加入神經網絡的算法。
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支持神馬文庫。