这篇博客主要是为了学习Python和PyQt，因为对棋类游戏比较热衷，所以从规则较简单的五子棋入手，利用PyQt5实现图形界面，做一个可以进行人机对弈的脚本，最后打包成应用程序。AI的算法打算用神经网络来完成，正在苦学TensorFlow中。

本来我以为五子棋规则很简单，不就像小学时候玩的那样，五个棋子连在一起就赢了嘛，但是后来发现事情并没有那么简单，现在的五子棋有禁手这个规则 ，“三三禁手” 、“四四禁手”、“长连禁手”等等，都是为了限制现行一方必胜。我也不是职业的棋手，对吧，所以禁手什么的就不考虑了，弄个简单的成品出来就很满足了。

代码全是边学习边写的，有瑕疵的地方欢迎提出。

第一步，收集素材

主要就是棋子、棋盘的图片，还有下棋的音效

音效与代码一起在最后给出

第二步，五子棋的逻辑类

收集完素材后，不着急界面的编写，先将五子棋的逻辑写好，界面和逻辑要分开，这很重要。

先想想在五子棋的逻辑类里要有哪些东西。

首先是棋盘，棋盘用15*15的数组表示

然后是棋子，黑棋用1表示，白棋用2表示，空白就用0表示

再然后还要获取指定点的坐标，获取指定点的方向等等。

最重要的也是稍微有点难度的部分就是判断输赢。结合网上的方法和我自己的理解，下面贴出我写的代码，仅供参考。

chessboard.py

# ----------------------------------------------------------------------

# 定义棋子类型，输赢情况

# ----------------------------------------------------------------------

EMPTY = 0

BLACK = 1

WHITE = 2

# ----------------------------------------------------------------------

# 定义棋盘类，绘制棋盘的形状，切换先后手，判断输赢等

# ----------------------------------------------------------------------

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): # 返回数组对象

return self.__board

def draw_xy(self, x, y, state): # 获取落子点坐标的状态

self.__board[x][y] = state

def get_xy_on_logic_state(self, x, y): # 获取指定点坐标的状态

return self.__board[x][y]

def get_next_xy(self, point, direction): # 获取指定点的指定方向的坐标

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): # 获取指定点的指定方向的状态

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) # 当前落下的棋是黑棋还是白棋，它的状态存储在state中

for directions in self.__dir: # 对米字的4个方向分别检测是否有5子相连的棋

count = 1 # 初始记录为1，因为刚落下的棋也算

for direction in directions: # 对落下的棋子的同一条线的两侧都要检测，结果累积

point = (x, y) # 每次循环前都要刷新

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)]

将上面的代码放在chessboard.py里面就完成了最基本的操作了。

第三步，利用PyQt5实现图形界面

先想好思路。

1.目标是做一个简易的五子棋的界面，主窗口只需要一个Widget就可以了

2.Widget的背景设置为棋盘图片

3.鼠标每点击一次空白区域，该区域就添加一个标签，在标签中插入棋子图片

4.因为是人机对弈，玩家执黑棋，所以可以将鼠标变成黑棋图片(这一点比较复杂，需要重写标签类)

5.整体逻辑是：鼠标点击一次—->换算坐标(UI坐标到棋盘坐标)—->判断坐标是否合理—->黑棋落在棋盘上—->判断是否赢棋—->电脑思考—->电脑下白棋—->判断是否赢棋……

6.因为AI思考需要时间，所以还需要加一个线程，单独让它计算AI的走法

7.一些细节问题： 赢棋和输棋怎么处理(对话框)、和棋怎么办(这个先不考虑)、游戏后期棋子非常多的时候容易眼花，不知道AI走到哪怎么办(加一个指示箭头)、音效怎么插入(用QSound)等等

下面给出整体代码：

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

# ----------------------------------------------------------------------

# 定义线程类执行AI的算法

# ----------------------------------------------------------------------

class AI(QtCore.QThread):

finishSignal = QtCore.pyqtSignal(int, int)

# 构造函数里增加形参

def __init__(self, board, parent=None):

super(AI, self).__init__(parent)

self.board = board

# 重写 run() 函数

def run(self):

self.ai = searcher()

self.ai.board = self.board

score, x, y = self.ai.search(2, 2)

self.finishSignal.emit(x, y)

# ----------------------------------------------------------------------

# 重新定义Label类

# ----------------------------------------------------------------------

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() # 棋盘类

palette1 = QPalette() # 设置棋盘背景

palette1.setBrush(self.backgroundRole(), QtGui.QBrush(QtGui.QPixmap('img/chessboard.jpg')))

self.setPalette(palette1)

# self.setStyleSheet("board-image:url(img/chessboard.jpg)") # 不知道这为什么不行

self.setCursor(Qt.PointingHandCursor) # 鼠标变成手指形状

self.sound_piece = QSound("sound/luozi.wav") # 加载落子音效

self.sound_win = QSound("sound/win.wav") # 加载胜利音效

self.sound_defeated = QSound("sound/defeated.wav") # 加载失败音效

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") # 窗口名称

self.setWindowIcon(QIcon('img/black.png')) # 窗口图标

# 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 # 步数

self.x, self.y = 1000, 1000

self.mouse_point = LaBel(self) # 将鼠标图片改为棋子

self.mouse_point.setScaledContents(True)

self.mouse_point.setPixmap(self.black) #加载黑棋

self.mouse_point.setGeometry(270, 270, PIECE, PIECE)

self.pieces = [LaBel(self) for i in range(225)] # 新建棋子标签，准备在棋盘上绘制棋子

for piece in self.pieces:

piece.setVisible(True) # 图片可视

piece.setScaledContents(True) #图片大小根据标签大小可变

self.mouse_point.raise_() # 鼠标始终在最上层

self.ai_down = True # AI已下棋，主要是为了加锁，当值是False的时候说明AI正在思考，这时候玩家鼠标点击失效，要忽略掉 mousePressEvent

self.setMouseTracking(True)

self.show()

def paintEvent(self, event): # 画出指示箭头

qp = QPainter()

qp.begin(self)

self.drawLines(qp)

qp.end()

def mouseMoveEvent(self, e): # 黑色棋子随鼠标移动

# 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() # 鼠标坐标

i, j = self.coordinate_transform_pixel2map(x, y) # 对应棋盘坐标

if not i is None and not j is None: # 棋子落在棋盘上，排除边缘

if self.chessboard.get_xy_on_logic_state(i, j) == EMPTY: # 棋子落在空白处

self.draw(i, j)

self.ai_down = False

board = self.chessboard.board()

self.AI = AI(board) # 新建线程对象，传入棋盘参数

self.AI.finishSignal.connect(self.AI_draw) # 结束线程，传出参数

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) # 画出棋子

self.sound_piece.play() # 落子音效

self.step += 1 # 步数+1

winner = self.chessboard.anyone_win(i, j) # 判断输赢

if winner != EMPTY:

self.mouse_point.clear()

self.gameover(winner)

def drawLines(self, qp): # 指示AI当前下的棋子

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):

# 从 chessMap 里的逻辑坐标到 UI 上的绘制坐标的转换

return MARGIN + j * GRID - PIECE / 2, MARGIN + i * GRID - PIECE / 2

def coordinate_transform_pixel2map(self, x, y):

# 从 UI 上的绘制坐标到 chessMap 里的逻辑坐标的转换

i, j = int(round((y - MARGIN) / GRID)), int(round((x - MARGIN) / GRID))

# 有MAGIN, 排除边缘位置导致 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: # 复位

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_())

简要说明一下

class AI(QtCore.QThread):

finishSignal = QtCore.pyqtSignal(int, int)

# 构造函数里增加形参

def __init__(self, board, parent=None):

super(AI, self).__init__(parent)

self.board = board

# 重写 run() 函数

def run(self):

self.ai = searcher()

self.ai.board = self.board

score, x, y = self.ai.search(2, 2)

self.finishSignal.emit(x, y)

这里加了一个线程执行AI的计算，前面有个 from ai import searcher ，ai还没有写，先从网上找了一个博弈的算法。searcher()就是AI类。该线程传入参数是 board 就是棋盘状态。调用self.ai.search(2, 2)，第一个2是博弈树的深度，值越大AI越聪明，但是计算时间也越长。第二个2是说电脑执白棋，如果为1则是黑棋。线程结束后传入参数 x, y 就是AI计算后线程传出的参数。

class LaBel(QLabel):

def __init__(self, parent):

super().__init__(parent)

self.setMouseTracking(True)

def enterEvent(self, e):

e.ignore()

重新定义Label类是为了让黑棋图片随着鼠标的移动而移动。如果直接用QLabel的话不能达到预期的效果，具体为什么自己去摸索吧。

最后是所有的脚本代码，在这之后还会继续学习，将脚本打包成可执行文件，并且加入神经网络的算法。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。