其实这些数值都是可以通过技术手段来修改的

像这些

这就是通过修改内存中的游戏数据达到了这个效果

那么这个怎么做到呢？

需要用到计算机逆向方面的一些知识

这里简单给出一些代码和实现步骤

1.过机器码: 目前2种办法，一种替换DLL，另一种是让返回值随机，因为我总调试游戏

我直接替换了DLL因为有时候进游戏没加载我忘记加载我的DLL，就完蛋了，如果不商业的话，建议用替换DLL方法，放到Game目录即可，DLL在附件中

2.处理游戏检测CALL，例如释放技能，走路，等等，已经定位了几个重要的检测CALL，处理后发现还有很多检测CALL，但是不知道再检测什么东西，所以全盘了，如果出问题再注释，也方便，这个在第一篇说过了，这里不再细说

3.处理GameRpcs的CRC，处理CRC的思路也很多，这里我用的是转移大法，然后再创建一个线程循环清除GameRpcs记录的数据信息

处理好这些其实就能够修改数值了，具体如何修改，我这里就不讲了，感兴趣的可以找我交流学习

其实这就是利用技术来实现改变游戏里面的一些东西

外行看着很难，内行做起来并不难

如果你掌握了这些技术，你也可以做很多你喜欢的事情

简单讲到这里，对技术感兴趣可以跟我来学

sessiona = requests.Session()

headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:47.0) Gecko/20100101 Firefox/47.0','authorization':'oauth c3cef7c66a1843f8b3a9e6a1e3160e20'}

k3_confidence = 0.71

'''

# 可视化数据会被保存在云端供浏览

# 纯属学习，并未看出"角度"范围扩大对图像识别的影响，大部分时候60s内能搞定，说明优图还是很强悍的，识别速度也非常快

'''

runtime_list_x = []

runtime_list_y = []

nn = range(1,11) # 愿意的话搞多线程，1百万次更有意思

# 成功尝试100次，形成2维数据以热力图的方式展示

for y in nn :

for x in nn :

runtime_list_x.append( bolting(-3,3,k3_confidence) )

print( "y: " + str(runtime_list_y) )

print( "x: " + str(runtime_list_x) )

runtime_list_y.append(runtime_list_x.copy())

runtime_list_x = []

print ("-"*30)

print( runtime_list_y )

print ("-"*30)

# pip install plotly 数据可视化

import plotly

import plotly.graph_objs as go

plotly.tools.set_credentials_file(username='username', api_key='username') # 设置账号，去官网注册

trace = go.Heatmap(z = runtime_list_y , x = [n for n in nn ] ,y =[n for n in nn ])

data=[trace]

plotly.plotly.plot(data, filename='weldon-time2-heatmap')

# 尝试后发现一个特点，基本都是1~2个倒置中文，这样我们可以借此提速

# 角度范围放大，仅当识别出倒置中文为1~2个时才提交验证否则放弃继续寻找

### chcp 65001 (win下改变cmd字符集)

### python c:\python34\image_recognition_zhihu.py