這篇博客主要是為了學習Python和PyQt，因為對棋類游戲比較熱衷，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，最后打包成應用程序。AI的算法打算用神經網絡來完成，正在苦學TensorFlow中。
本來我以為五子棋規則很簡單，不就像小學時候玩的那樣，五個棋子連在一起就贏了嘛，但是后來發現事情并沒有那么簡單，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，都是為了限制現行一方必勝。我也不是職業的棋手，對吧，所以禁手什么的就不考慮了，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后給出
第二步，五子棋的邏輯類
收集完素材后，不著急界面的編寫，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里要有哪些東西。
首先是棋盤，棋盤用15*15的數組表示
然后是棋子，黑棋用1表示，白棋用2表示，空白就用0表示
再然后還要獲取指定點的坐標，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，繪制棋盤的形狀，切換先后手，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): # 獲取落子點坐標的狀態 self.__board[x][y] = state def get_xy_on_logic_state(self, x, y): # 獲取指定點坐標的狀態 return self.__board[x][y] def get_next_xy(self, point, direction): # 獲取指定點的指定方向的坐標 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 # 初始記錄為1，因為剛落下的棋也算 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里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的背景設置為棋盤圖片
3.鼠標每點擊一次空白區域，該區域就添加一個標簽，在標簽中插入棋子圖片
4.因為是人機對弈，玩家執黑棋，所以可以將鼠標變成黑棋圖片（這一點比較復雜，需要重寫標簽類）
5.整體邏輯是：鼠標點擊一次—->換算坐標（UI坐標到棋盤坐標）—->判斷坐標是否合理—->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.因為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： 贏棋和輸棋怎么處理（對話框）、和棋怎么辦（這個先不考慮）、游戲后期棋子非常多的時候容易眼花，不知道AI走到哪怎么辦（加一個指示箭頭）、音效怎么插入（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)
# 構造函數里增加形參
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)") # 不知道這為什么不行
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) # 將鼠標圖片改為棋子
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)] # 新建棋子標簽，準備在棋盤上繪制棋子
for piece in self.pieces:
piece.setVisible(True) # 圖片可視
piece.setScaledContents(True) #圖片大小根據標簽大小可變
self.mouse_point.raise_() # 鼠標始終在最上層
self.ai_down = True # AI已下棋，主要是為了加鎖，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() # 鼠標坐標
i, j = self.coordinate_transform_pixel2map(x, y) # 對應棋盤坐標
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 里的邏輯坐標到 UI 上的繪制坐標的轉換
return MARGIN + j * GRID - PIECE / 2, MARGIN + i * GRID - PIECE / 2
def coordinate_transform_pixel2map(self, x, y):
# 從 UI 上的繪制坐標到 chessMap 里的邏輯坐標的轉換
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) # 構造函數里增加形參 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)
這里加了一個線程執行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，如果為1則是黑棋。線程結束后傳入參數 x, y 就是AI計算后線程傳出的參數。
class LaBel(QLabel): def __init__(self, parent): super().__init__(parent) self.setMouseTracking(True) def enterEvent(self, e): e.ignore()
重新定義Label類是為了讓黑棋圖片隨著鼠標的移動而移動。如果直接用QLabel的話不能達到預期的效果，具體為什么自己去摸索吧。
最后是所有的腳本代碼，在這之后還會繼續學習，將腳本打包成可執行文件，并且加入神經網絡的算法。
基于PyQt5的五子棋編程（人機對弈）
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億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
