编写五子棋的完整python代码_python实现五子棋程序

时间: 2023-07-23 07:08:44 浏览: 45
好的,下面是五子棋的完整 Python 代码实现: ```python import numpy as np # 定义棋盘大小 BOARD_SIZE = 15 # 定义棋子类型 EMPTY = 0 BLACK = 1 WHITE = 2 # 定义棋子颜色映射 STONE_COLOR = { EMPTY: '.', BLACK: 'X', WHITE: 'O' } class Board: """ 五子棋棋盘类 """ def __init__(self): """ 初始化棋盘 """ self.board = np.zeros((BOARD_SIZE, BOARD_SIZE), dtype=np.int32) def put_stone(self, x, y, color): """ 落子 """ self.board[x][y] = color def is_valid_move(self, x, y): """ 判断落子是否有效 """ if x < 0 or x >= BOARD_SIZE or y < 0 or y >= BOARD_SIZE: return False if self.board[x][y] != EMPTY: return False return True def get_winner(self): """ 判断胜利者 """ for x in range(BOARD_SIZE): for y in range(BOARD_SIZE): if self.board[x][y] != EMPTY: # 判断横向是否有连续五个相同颜色的棋子 if y + 4 < BOARD_SIZE and \ self.board[x][y] == self.board[x][y + 1] == self.board[x][y + 2] == self.board[x][y + 3] == self.board[x][y + 4]: return self.board[x][y] # 判断纵向是否有连续五个相同颜色的棋子 if x + 4 < BOARD_SIZE and \ self.board[x][y] == self.board[x + 1][y] == self.board[x + 2][y] == self.board[x + 3][y] == self.board[x + 4][y]: return self.board[x][y] # 判断左上到右下是否有连续五个相同颜色的棋子 if x + 4 < BOARD_SIZE and y + 4 < BOARD_SIZE and \ self.board[x][y] == self.board[x + 1][y + 1] == self.board[x + 2][y + 2] == self.board[x + 3][y + 3] == self.board[x + 4][y + 4]: return self.board[x][y] # 判断右上到左下是否有连续五个相同颜色的棋子 if x + 4 < BOARD_SIZE and y - 4 >= 0 and \ self.board[x][y] == self.board[x + 1][y - 1] == self.board[x + 2][y - 2] == self.board[x + 3][y - 3] == self.board[x + 4][y - 4]: return self.board[x][y] return EMPTY def __str__(self): """ 打印棋盘 """ board_str = '' for i in range(BOARD_SIZE): row_str = ' '.join([STONE_COLOR[self.board[i][j]] for j in range(BOARD_SIZE)]) board_str += row_str + '\n' return board_str class Game: """ 五子棋游戏类 """ def __init__(self): """ 初始化游戏 """ self.board = Board() self.current_player = BLACK def switch_player(self): """ 切换下棋玩家 """ if self.current_player == BLACK: self.current_player = WHITE else: self.current_player = BLACK def play(self, x, y): """ 下棋 """ if not self.board.is_valid_move(x, y): print('Invalid move!') return False self.board.put_stone(x, y, self.current_player) winner = self.board.get_winner() if winner != EMPTY: print('Game over, winner is {}'.format(STONE_COLOR[winner])) return True self.switch_player() return False ``` 以上就是五子棋的完整 Python 代码实现,包含了棋盘类和游戏类,可以在命令行中进行游戏。

相关推荐

最新推荐

recommend-type

python五子棋游戏的设计与实现

主要为大家详细介绍了python五子棋游戏的设计与实现,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

python使用minimax算法实现五子棋

主要为大家详细介绍了python使用minimax算法实现五子棋,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

python pygame实现五子棋小游戏

主要为大家详细介绍了python pygame实现五子棋小游戏,代码注释很详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

鸡国大冒险运行程序,点开即用

recommend-type

基于Python+Flask的安全多方计算的隐私保护系统设计与实现+全部资料齐全+部署文档.zip

【资源说明】 基于Python+Flask的安全多方计算的隐私保护系统设计与实现+全部资料齐全+部署文档.zip基于Python+Flask的安全多方计算的隐私保护系统设计与实现+全部资料齐全+部署文档.zip 【备注】 1、该项目是个人高分项目源码,已获导师指导认可通过,答辩评审分达到95分 2、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 3、本项目适合计算机相关专业(人工智能、通信工程、自动化、电子信息、物联网等)的在校学生、老师或者企业员工下载使用,也可作为毕业设计、课程设计、作业、项目初期立项演示等,当然也适合小白学习进阶。 4、如果基础还行,可以在此代码基础上进行修改,以实现其他功能,也可直接用于毕设、课设、作业等。 欢迎下载,沟通交流,互相学习,共同进步!
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

解释minorization-maximization (MM) algorithm,并给出matlab代码编写的例子

Minorization-maximization (MM) algorithm是一种常用的优化算法,用于求解非凸问题或含有约束的优化问题。该算法的基本思想是通过构造一个凸下界函数来逼近原问题,然后通过求解凸下界函数的最优解来逼近原问题的最优解。具体步骤如下: 1. 初始化参数 $\theta_0$,设 $k=0$; 2. 构造一个凸下界函数 $Q(\theta|\theta_k)$,使其满足 $Q(\theta_k|\theta_k)=f(\theta_k)$; 3. 求解 $Q(\theta|\theta_k)$ 的最优值 $\theta_{k+1}=\arg\min_\theta Q(
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。