说实话一开始看到“别霍霍别人了”这个标题我脑子里马上浮现出那些在群里疯狂转发游戏求代打的场景。但把 Python 和连连看放在一起这事就变得有点意思了与其求爷爷告奶奶拉人帮忙不如自己动手写一个或者干脆写个脚本让程序替你点。Python 玩连连看说得直白一点就是两条路——要么从零搓一个游戏出来自娱自乐要么做个自动解题机器人秒杀任何关卡。两种玩法都不需要多高深的技术栈一个控制台脚本加一个图形窗口就能跑起来特别适合拿来练手数据结构和搜索算法。这篇文章会从棋盘建模讲起一路聊到连通性判断、图形界面、自动求解再到图像识别自动点击把我踩过的坑和实测好用的方案全部写出来希望你不用再“霍霍”别人。1. 项目思路拆解Python 玩连连看的三种“姿势”1.1 为什么选连连看练手我见过很多练手项目贪吃蛇、扫雷、俄罗斯方块但说实话连连看是性价比很高的一个。原因是它把三个很核心的东西凑齐了一个像模像样的二维棋盘数据结构、一套带约束的路径搜索算法、还有一个能被人一眼看懂的交互逻辑。你不需要为“这个功能到底有没有用”纠结因为游戏本身就是完整产品写完之后你既能玩又能拿出去给朋友“炫耀”。更重要的是连连看对新手极其友好。它不像做一个电商系统那样需要数据库、鉴权、订单流转一堆东西也不像训练模型那样需要环境配置和数据标注。你只要把一个二维数组维护好把消除规则写对剩下的都是锦上添花。我用它带过几个新人基本一天就能跑通控制台版两天就能加上图形界面。1.2 三种玩法方向对比在真正动手之前先想清楚你要做哪种。同样叫“用 Python 玩连连看”方向完全不一样工作量差了几倍方向核心内容涉及技术适合人群纯手工版自己写一个连连看游戏二维数组、面向对象、图形界面想完整走一遍开发流程的自动解题版程序算出可消除步骤路径搜索、贪心策略想专注玩算法的图像识别版识别屏幕上的棋盘自动点击图像处理、模板匹配、鼠标控制想挑战“黑科技”感觉的好奇玩家新手我建议从第一种入手因为先有“操作对象”后面那些花哨功能才有的依托。很多人的误区是上来就想做第三种结果连棋盘模型都没有直接去识别屏幕最后定位都搞不定很容易放弃。1.3 技术选型上的一个小建议图形界面这块我比较推荐 Tkinter原因很简单Python 自带的库无需额外安装。虽然它的颜值一般但做连连看这种“方块格子游戏”完全够用。Pygame 我也试过动画效果确实更细腻但学习曲线也更陡为了一个连连看反而有点杀鸡用牛刀。等哪天你想做动作类游戏、需要精灵图和帧循环的时候再切 Pygame 也不迟。如果你想走自动解题和图像识别路线就绕不开 OpenCV 和 pyautogui。这两个库一个负责“看”一个负责“点”配合起来非常顺畅。不过这些都是后话先把游戏主体搭起来后面自然水到渠成。2. 游戏核心棋盘建模与连通判断算法2.1 棋盘数据结构怎么设计连连看的棋盘本质就是一个二维数组行列固定数组里存的是“图案编号”。我用0表示空格子其他正整数表示不同图案比如1是苹果、2是香蕉、3是樱桃具体映射到界面上再说。棋盘大小可以做成常量经典布局是 8 行 10 列图案类型 5 到 8 种这样难度适中。初始化棋盘的时候有个经典问题怎么保证每种图案的数量是偶数很简单把所有格子坐标打乱两两配对放入相同的图案编号就行import random def generate_board(rows, cols, types): cells [(r, c) for r in range(rows) for c in range(cols)] random.shuffle(cells) board [[0] * cols for _ in range(rows)] for i in range(0, len(cells) - 1, 2): val random.randint(1, types) r1, c1 cells[i] r2, c2 cells[i 1] board[r1][c1] val board[r2][c2] val return board这里要注意这样生成的棋盘图案数量保证成对但不保证一定有解。因为可能出现所有同图案的方块都无法在规则下连通的情况。我写了个检测函数去检查如果无解就重新洗牌后面会讲到。另一个值得注意的点是棋盘的外围很多人会忽略连连看里“边缘方块可以从棋盘外面绕过去连”的规则所以我通常会在逻辑上给棋盘外面加一圈虚拟空格这个细节在搜索算法里会用到。2.2 连通性判断的规则拆解连连看消除的核心在于“两点之间的路径转弯次数不超过 2 次”。这句话有两种理解方式新手特别容易搞混直线直连两个点在同行或同列中间没有障碍转弯次数为 0。一个拐点路径在某个位置拐一次弯整体是一个直角转弯次数为 1。两个拐点路径拐两次弯整体像“Z”字或者“U”字转弯次数为 2。注意这里的“路径”不能穿过任何非空格子起点和终点是待消除的两个方块它们自身的格子不算障碍。除此之外路径允许经过棋盘外面的虚拟空白区也就是那一圈“外圈”。我以前写过一版只判断直线、一个拐点、两个拐点三种情况分开写代码又长又容易漏。后来改用广度优先搜索BFS统一处理思路简单很多转弯次数当成搜索状态的一部分就行了。2.3 BFS 实现“不超过两次转弯”的路径搜索BFS 的思路很直观从起点出发向四个方向扩展。每个状态记录三样东西——当前坐标、上一次移动方向、已经用了多少次转弯。每次准备往下一个格子走时如果方向和上次相同转弯数不变方向不同转弯数加一。超过 2 次就剪枝。值得强调的是外圈虚拟空格的处理。如果把棋盘看成 8 行 10 列那么虚拟外圈的范围就是-1到8行、-1到10列超出这个范围的点直接跳过不然路径会无限往外绕算法直接卡死。from collections import deque def can_connect(board, start, end): rows, cols len(board), len(board[0]) dirs [(-1, 0), (1, 0), (0, -1), (0, 1)] def in_virtual_range(r, c): return -1 r rows and -1 c cols def walkable(r, c): if 0 r rows and 0 c cols: return board[r][c] 0 return True q deque() visited {} # last_dir 用 -1 表示起点初始状态下一步转向不算转弯 q.append((start[0], start[1], -1, 0)) visited[(start[0], start[1], -1)] 0 while q: r, c, last_dir, turns q.popleft() if (r, c) end: return True for nd in range(4): nr, nc r dirs[nd][0], c dirs[nd][1] if not in_virtual_range(nr, nc): continue if (nr, nc) end: return True if not walkable(nr, nc): continue new_turns turns if last_dir -1 or nd last_dir else turns 1 if new_turns 2: continue key (nr, nc, nd) if key in visited and visited[key] new_turns: continue visited[key] new_turns q.append((nr, nc, nd, new_turns)) return False这个版本最关键的一行是last_dir -1作为初始状态它让起点可以向任意方向出发而不计入转弯次数。我最初写的版本把四个方向作为四个初始状态结果发现起点处换方向被多算了一次转弯导致明明一步直达的方块被判为不可连调了很久才发现。这种细节不看运行根本想不到。2.4 连通判断的测试技巧写算法光靠脑子想容易漏。我给can_connect额外写了一个暴力验证脚本纯模拟三条路径类型用穷举拐点位置的方式判断然后和 BFS 结果做比对随机生成大量棋盘跑用例。连续跑了十几分钟确认两者结论一致才放心。平时调试时可以准备几个固定场景不要只看正常连通的情况。比如起点在左上角、终点在外圈另一侧这种边缘路径最容易出问题。还有同一点、不同图案、路径穿过相邻方块等边界情况都要覆盖到。3. 实操从控制台版到图形界面版3.1 控制台版快速验证逻辑在写图形界面之前我建议先做一个控制台版。它不面向用户单纯用来验证核心循环玩家输入两个坐标程序判断能否消除能消除就更新棋盘并重新打印。这能帮你把“操作——判断——更新”这条链路跑通之后再接界面就不会手忙脚乱。伪思路大概这样def play_console(): board generate_board(8, 10, 6) while True: print_board(board) r1, c1 map(int, input(第一个坐标: ).split()) r2, c2 map(int, input(第二个坐标: ).split()) if board[r1][c1] board[r2][c2] and can_connect(board, (r1, c1), (r2, c2)): board[r1][c1] 0 board[r2][c2] 0 else: print(这组不能消除换个试试)这个阶段不用在意用户体验甚至不用考虑界面美观度。我用它做过一件事把自动消除循环直接接到后面然后让它自己跑观察整局游戏能不能被完整消完。如果不能说明棋盘生成逻辑有问题或者存在规则理解错误。这一步帮我省下大量后期调试排障的时间。3.2 Tkinter 图形界面版控制台版跑通之后升级到 Tkinter 其实非常快。核心无非就是两块画方块、响应点击。一个格子画成 40 像素见方用不同颜色或文字代表不同图案点击时获取鼠标坐标换算成棋盘坐标然后调用can_connect做判断。我这里用一个简化版界面逻辑展示核心点在事件绑定和坐标换算import tkinter as tk CELL 40 MARGIN 30 class LinkApp: def __init__(self, board): self.board board self.rows len(board) self.cols len(board[0]) self.first None self.root tk.Tk() self.canvas tk.Canvas( self.root, widthMARGIN * 2 self.cols * CELL, heightMARGIN * 2 self.rows * CELL, bg#f0f0f0 ) self.canvas.pack() self.draw_board() self.canvas.bind(Button-1, self.on_click) def draw_board(self): self.canvas.delete(all) for r in range(self.rows): for c in range(self.cols): if self.board[r][c] ! 0: x1 MARGIN c * CELL y1 MARGIN r * CELL x2 x1 CELL - 2 y2 y1 CELL - 2 self.canvas.create_rectangle( x1, y1, x2, y2, fillskyblue, outline#4488cc ) self.canvas.create_text( (x1 x2) // 2, (y1 y2) // 2, textstr(self.board[r][c]), font(Arial, 16, bold) ) def on_click(self, event): c (event.x - MARGIN) // CELL r (event.y - MARGIN) // CELL if not (0 r self.rows and 0 c self.cols): return if self.board[r][c] 0: return if self.first is None: self.first (r, c) return r1, c1 self.first self.first None if (r1, c1) (r, c): return if self.board[r1][c1] self.board[r][c] and can_connect(self.board, (r1, c1), (r, c)): self.board[r1][c1] 0 self.board[r][c] 0 self.draw_board()这里有个体验细节坐标换算时MARGIN一定要和绘制时的边距保持一致而且鼠标点击落在格子边线附近时整除取整可能导致误判。我加了一个保护点击前先判断坐标是否落在棋盘范围内否则容易因为点到窗口边缘而报错。3.3 关于 Pygame 的取舍我知道有人会问用 Pygame 是不是更专业确实Pygame 的动画、音效、帧率控制都比 Tkinter 好但代价是你要理解事件循环、Surface、Sprite 这些额外概念。做连连看这种“点击消除”类游戏Tkinter 只用create_rectangle和create_text就能解决完全没有必要上 Pygame。如果你以后想加“消除动画”——比如两个方块先高亮闪烁再淡出——Tkinter 也能实现只是更繁琐一点。我的建议是第一版别在动画上死磕先保证核心逻辑能闭环。等你把自动解题脚本接进来看到程序自己一格格把棋盘消完那种成就感比花哨动画强得多。3.4 图形界面版的三个实操心得第一个心得是绘制效率问题。我的初版在每次点击后都清空整个画布重新画棋盘大了会有轻微闪烁。解决办法很简单只更新被消除的两个格子所在区域或者给整张画布设置double buffered之类的缓冲。如果只是 8x10 的棋盘全量重绘其实也能接受不用过度优化。第二个心得是给选中格子加高亮。用户点第一个方块后如果没有任何视觉反馈很容易忘记自己选了哪个。我用create_rectangle额外画一个红色边框取消选择时删掉这个边框。这个小改动对体验提升非常明显。第三个心得是关于无解检测的。玩到一半棋盘可能卡死这时候直接“胜利”或者“失败”都不合适。我的做法是点击后检查剩余方块中是否还存在可消除对如果没有就弹窗提示“当前局面无解自动重新洗牌”。这个功能背后的实现就是遍历所有方块两两组合调用can_connect逻辑不复杂但极其有用。4. 自动解题与图像识别让脚本替你玩4.1 自动解题核心逻辑自动解题听起来高大上其实核心就是暴力搜索遍历棋盘上每一对相同图案的方块如果can_connect返回True就记录这一步并消掉。消掉后棋盘变了再重新从头遍历直到棋盘清空或找不到可消除对。实现上有两个细节比较影响效果。第一遍历范围要尽量窄否则复杂度爆炸。8x10 的棋盘有 80 个格子最坏情况下两两组合要判断 79*80/2 次每次 BFS 又有状态开销不过实际跑起来依然很快因为每次消除后格子减少。第二贪心选择顺序会影响最终能否清空棋盘。我测试的时候发现固定从左上角往右下角扫描得到的结果不一定最优有时候会把自己卡死。改进办法是维护一个“可选消除对”列表每次优先消除对整个棋盘剩余可消对数影响最小的那组这种带一点策略的贪心能让完成率提高不少。def auto_solve(board): rows, cols len(board), len(board[0]) moves [] while True: found None for r in range(rows): for c in range(cols): if board[r][c] 0: continue for rr in range(r, rows): for cc in range(c, cols): if rr r and cc c: continue if board[rr][cc] 0 or board[rr][cc] ! board[r][c]: continue if can_connect(board, (r, c), (rr, cc)): found ((r, c), (rr, cc)) break if found: break if found: break if found: break if not found: return moves, False (r1, c1), (r2, c2) found moves.append(found) board[r1][c1] 0 board[r2][c2] 0 if all(board[r][c] 0 for r in range(rows) for c in range(cols)): return moves, True这个函数返回全部消除步骤。我在界面版里接了一个“自动通关”按钮点一下它就一步一步执行每步间隔 0.2 秒能看到块被连续消掉效果很欢乐。这里顺带一提就算脚本算出步骤如果你想“装作自己在玩”还可以设置随机延时和鼠标轨迹这事就看你想怎么用了。4.2 图像识别版怎么判断棋盘位置自动解题是建立在“我知道棋盘数据”的前提下的。如果想去玩别人做好的游戏拿不到棋盘数据就只能靠图像识别。我用的技术栈是 OpenCV 加 pyautogui流程分四步截图、找棋盘、切格子、识别图案。找棋盘是最容易出问题的一步。我的做法是先对全屏截图做边缘检测再用cv2.findContours找最大的矩形轮廓假设它就是游戏棋盘。如果游戏界面有边框或者背景干扰特别重就得换个思路手动指定棋盘四个角的坐标用cv2.getPerspectiveTransform做透视变换把棋盘拉正。这种方法虽然需要手动标定一次但胜在稳定操作也不算麻烦。棋盘拉正之后横向纵向均匀切分成 NxM 个格子。每格中心区域取出来和“预先采集的模板图”做模板匹配得分最高的图案就是当前格子的图案。模板图怎么来第一次运行时我用游戏内置的图鉴截图或者干脆从当前棋盘上截取完整的图案作为种子。4.3 模拟操作层从坐标到点击识别出棋盘后加上自动解题给出的步骤剩下的就是让鼠标自己去点。pyautogui 的click(x, y)可以发送鼠标事件坐标需要把棋盘的逻辑行列映射回屏幕坐标。映射公式很简单屏幕棋盘起点加上行列索引乘以格子宽度再加上格子的半宽偏移。这里有个非常典型的坑游戏客户端通常有网络延迟或者消除时有动画你点完第一组后立刻点第二组游戏可能还没处理完导致后续操作全部错乱。我加了一个简单策略每组点击之间固定等待 0.15 到 0.3 秒如果识别到界面上有“无法消除”的弹窗就重新截图同步棋盘。另一个坑是窗口位置可能被移动所以每次执行前都应重新定位棋盘区域而不是沿用上次坐标。import pyautogui import time def play_external(game_rect, moves, cell_size): x0, y0, _, _ game_rect for (r1, c1), (r2, c2) in moves: x1 x0 c1 * cell_size cell_size // 2 y1 y0 r1 * cell_size cell_size // 2 x2 x0 c2 * cell_size cell_size // 2 y2 y0 r2 * cell_size cell_size // 2 pyautogui.click(x1, y1) time.sleep(0.1) pyautogui.click(x2, y2) time.sleep(0.25)4.4 进阶扩展方向图像识别版做到能自动通关后再往下就有不少有意思的扩展。比如把棋盘模板抽出来做一个“训练集”以后遇到任何皮肤主题的连连看都能通过特征匹配自动识别再比如加入策略搜索用递归回溯找出一条“必然清空”的消除顺序而不是贪心一步走一步。我个人尝试过最有趣的一个方向是“难度分析”统计一个局面的“可消对数量”和“平均拐弯数”用来预测这个棋盘对真人玩家的难度。这个数据对游戏设计者来说很有价值对普通玩家来说也能当个心理预期。我自己玩的时候如果看到平均转弯数超过 1.5就知道这局要动脑子了。5. 常见问题与调试记录5.1 高频问题速查表现象可能原因解决办法明明直线相连却判断为不可消除路径上存在非空格子或者坐标被误判为越界用调试打印把路径上的每个格子值列出来边缘方块永远消不掉没有把棋盘外圈当作通路按上面代码里的虚拟外圈方案处理消除后棋盘重新生成出现单数图案洗牌逻辑写错配对时 i 越界检查遍历步长和边界判断Tkinter 点击没反应坐标换算时 MARGIN 没对齐打印 event.x、event.y 和转换结果对比自动解题到后期卡死贪心策略选错消除顺序改成每轮重新评估可消对选影响最小的图像识别定位不准棋盘背景干扰、边界不清晰改用透视变换手动标定四角自动点击太快导致界面混乱没等动画完成每组点击之间加延时必要时重新截图5.2 三个特别容易踩的坑第一个坑是棋盘初始化时我没有检查“该局是否可解”。结果做了一个界面版玩到一半发现剩余方块即使两两成对也全都不连通界面卡在一个尴尬状态。后来我加了重建逻辑棋盘生成后先跑一次完整自动消除如果中途失败就重新洗牌直到能全部消除为止。当然真实玩家遇到死局也需要支持“重排”这两件事要分开处理。第二个坑是 BFS 的 visited 记录必须带方向维度。我一开始只记录了(row, col)于是同一个格子以不同方向到达时后到的被直接丢弃。表面上看没什么实际会让某些需要转弯的路径被提前剪掉导致可消除的被判成不可消除。加上方向维度后问题立刻消失。第三个坑和图形界面的线程有关。给 Tkinter 加“自动通关”按钮时我直接在按钮回调里跑了auto_solve然后不断调用draw_board。结果界面直接卡死原因是在 Tk 主线程里做了阻塞式循环界面无法刷新。解决办法是把自动消除逻辑放到子线程里每消一对通过队列通知主线程刷新。或者更偷懒一点用root.after定时器分段执行效果也不错。5.3 性能优化方向说句实话8x10 的棋盘上 BFS 完全够用实测自动解题整个流程也算不出什么压力。但如果你想做超大棋盘或者给自动解题加一些策略性能就会成为瓶颈。我试过几种优化。第一层是把可以提前计算的静态信息缓存起来比如每个格子的“可走方向集合”避免每次搜索都重复判断。第二层是维护一个可消对候选池每次消除后只更新受影响的格子而不是全盘重新扫描这个优化收益最明显。第三层是换一个更“聪明”的搜索策略比如双向 BFS或者在转弯判断时用射线法先排除明显不可能的路径。不过还是那句话对练手项目而言清晰比高效重要。你的目标是理解算法背后的逻辑而不是制造一个能处理 100x100 棋盘的引擎。把这层想明白了优化什么时候做、做到什么程度心里自然有数。个人体验说几句。这个项目我前后写了好几版每次重写都有新收获。最开始连转弯判定的规则都搞反后来虚心看了一遍经典实现才反应过来中间被 visited 记录维度坑了一晚上最后做到图像识别自动点击反而没有想象中那么难。如果你也打算搞一个我的建议是别急着上 Pygame、别急着写界面先把can_connect这个函数弄到无懈可击后面全是顺水推舟的事。最后再分享一个小技巧调试连通判断时在棋盘上默认不放置方块只放一对测试方块这样你能非常清晰地观察路径走向比什么日志都好用。 
长河君 · 2026/10/16 4:33:48 · 阅读 1.2k Python玩转连连看：从游戏开发到图像识别自动通关
说实话一开始看到“别霍霍别人了”这个标题我脑子里马上浮现出那些在群里疯狂转发游戏求代打的场景。但把 Python 和连连看放在一起这事就变得有点意思了与其求爷爷告奶奶拉人帮忙不如自己动手写一个或者干脆写个脚本让程序替你点。Python 玩连连看说得直白一点就是两条路——要么从零搓一个游戏出来自娱自乐要么做个自动解题机器人秒杀任何关卡。两种玩法都不需要多高深的技术栈一个控制台脚本加一个图形窗口就能跑起来特别适合拿来练手数据结构和搜索算法。这篇文章会从棋盘建模讲起一路聊到连通性判断、图形界面、自动求解再到图像识别自动点击把我踩过的坑和实测好用的方案全部写出来希望你不用再“霍霍”别人。1. 项目思路拆解Python 玩连连看的三种“姿势”1.1 为什么选连连看练手我见过很多练手项目贪吃蛇、扫雷、俄罗斯方块但说实话连连看是性价比很高的一个。原因是它把三个很核心的东西凑齐了一个像模像样的二维棋盘数据结构、一套带约束的路径搜索算法、还有一个能被人一眼看懂的交互逻辑。你不需要为“这个功能到底有没有用”纠结因为游戏本身就是完整产品写完之后你既能玩又能拿出去给朋友“炫耀”。更重要的是连连看对新手极其友好。它不像做一个电商系统那样需要数据库、鉴权、订单流转一堆东西也不像训练模型那样需要环境配置和数据标注。你只要把一个二维数组维护好把消除规则写对剩下的都是锦上添花。我用它带过几个新人基本一天就能跑通控制台版两天就能加上图形界面。1.2 三种玩法方向对比在真正动手之前先想清楚你要做哪种。同样叫“用 Python 玩连连看”方向完全不一样工作量差了几倍方向核心内容涉及技术适合人群纯手工版自己写一个连连看游戏二维数组、面向对象、图形界面想完整走一遍开发流程的自动解题版程序算出可消除步骤路径搜索、贪心策略想专注玩算法的图像识别版识别屏幕上的棋盘自动点击图像处理、模板匹配、鼠标控制想挑战“黑科技”感觉的好奇玩家新手我建议从第一种入手因为先有“操作对象”后面那些花哨功能才有的依托。很多人的误区是上来就想做第三种结果连棋盘模型都没有直接去识别屏幕最后定位都搞不定很容易放弃。1.3 技术选型上的一个小建议图形界面这块我比较推荐 Tkinter原因很简单Python 自带的库无需额外安装。虽然它的颜值一般但做连连看这种“方块格子游戏”完全够用。Pygame 我也试过动画效果确实更细腻但学习曲线也更陡为了一个连连看反而有点杀鸡用牛刀。等哪天你想做动作类游戏、需要精灵图和帧循环的时候再切 Pygame 也不迟。如果你想走自动解题和图像识别路线就绕不开 OpenCV 和 pyautogui。这两个库一个负责“看”一个负责“点”配合起来非常顺畅。不过这些都是后话先把游戏主体搭起来后面自然水到渠成。2. 游戏核心棋盘建模与连通判断算法2.1 棋盘数据结构怎么设计连连看的棋盘本质就是一个二维数组行列固定数组里存的是“图案编号”。我用0表示空格子其他正整数表示不同图案比如1是苹果、2是香蕉、3是樱桃具体映射到界面上再说。棋盘大小可以做成常量经典布局是 8 行 10 列图案类型 5 到 8 种这样难度适中。初始化棋盘的时候有个经典问题怎么保证每种图案的数量是偶数很简单把所有格子坐标打乱两两配对放入相同的图案编号就行import random def generate_board(rows, cols, types): cells [(r, c) for r in range(rows) for c in range(cols)] random.shuffle(cells) board [[0] * cols for _ in range(rows)] for i in range(0, len(cells) - 1, 2): val random.randint(1, types) r1, c1 cells[i] r2, c2 cells[i 1] board[r1][c1] val board[r2][c2] val return board这里要注意这样生成的棋盘图案数量保证成对但不保证一定有解。因为可能出现所有同图案的方块都无法在规则下连通的情况。我写了个检测函数去检查如果无解就重新洗牌后面会讲到。另一个值得注意的点是棋盘的外围很多人会忽略连连看里“边缘方块可以从棋盘外面绕过去连”的规则所以我通常会在逻辑上给棋盘外面加一圈虚拟空格这个细节在搜索算法里会用到。2.2 连通性判断的规则拆解连连看消除的核心在于“两点之间的路径转弯次数不超过 2 次”。这句话有两种理解方式新手特别容易搞混直线直连两个点在同行或同列中间没有障碍转弯次数为 0。一个拐点路径在某个位置拐一次弯整体是一个直角转弯次数为 1。两个拐点路径拐两次弯整体像“Z”字或者“U”字转弯次数为 2。注意这里的“路径”不能穿过任何非空格子起点和终点是待消除的两个方块它们自身的格子不算障碍。除此之外路径允许经过棋盘外面的虚拟空白区也就是那一圈“外圈”。我以前写过一版只判断直线、一个拐点、两个拐点三种情况分开写代码又长又容易漏。后来改用广度优先搜索BFS统一处理思路简单很多转弯次数当成搜索状态的一部分就行了。2.3 BFS 实现“不超过两次转弯”的路径搜索BFS 的思路很直观从起点出发向四个方向扩展。每个状态记录三样东西——当前坐标、上一次移动方向、已经用了多少次转弯。每次准备往下一个格子走时如果方向和上次相同转弯数不变方向不同转弯数加一。超过 2 次就剪枝。值得强调的是外圈虚拟空格的处理。如果把棋盘看成 8 行 10 列那么虚拟外圈的范围就是-1到8行、-1到10列超出这个范围的点直接跳过不然路径会无限往外绕算法直接卡死。from collections import deque def can_connect(board, start, end): rows, cols len(board), len(board[0]) dirs [(-1, 0), (1, 0), (0, -1), (0, 1)] def in_virtual_range(r, c): return -1 r rows and -1 c cols def walkable(r, c): if 0 r rows and 0 c cols: return board[r][c] 0 return True q deque() visited {} # last_dir 用 -1 表示起点初始状态下一步转向不算转弯 q.append((start[0], start[1], -1, 0)) visited[(start[0], start[1], -1)] 0 while q: r, c, last_dir, turns q.popleft() if (r, c) end: return True for nd in range(4): nr, nc r dirs[nd][0], c dirs[nd][1] if not in_virtual_range(nr, nc): continue if (nr, nc) end: return True if not walkable(nr, nc): continue new_turns turns if last_dir -1 or nd last_dir else turns 1 if new_turns 2: continue key (nr, nc, nd) if key in visited and visited[key] new_turns: continue visited[key] new_turns q.append((nr, nc, nd, new_turns)) return False这个版本最关键的一行是last_dir -1作为初始状态它让起点可以向任意方向出发而不计入转弯次数。我最初写的版本把四个方向作为四个初始状态结果发现起点处换方向被多算了一次转弯导致明明一步直达的方块被判为不可连调了很久才发现。这种细节不看运行根本想不到。2.4 连通判断的测试技巧写算法光靠脑子想容易漏。我给can_connect额外写了一个暴力验证脚本纯模拟三条路径类型用穷举拐点位置的方式判断然后和 BFS 结果做比对随机生成大量棋盘跑用例。连续跑了十几分钟确认两者结论一致才放心。平时调试时可以准备几个固定场景不要只看正常连通的情况。比如起点在左上角、终点在外圈另一侧这种边缘路径最容易出问题。还有同一点、不同图案、路径穿过相邻方块等边界情况都要覆盖到。3. 实操从控制台版到图形界面版3.1 控制台版快速验证逻辑在写图形界面之前我建议先做一个控制台版。它不面向用户单纯用来验证核心循环玩家输入两个坐标程序判断能否消除能消除就更新棋盘并重新打印。这能帮你把“操作——判断——更新”这条链路跑通之后再接界面就不会手忙脚乱。伪思路大概这样def play_console(): board generate_board(8, 10, 6) while True: print_board(board) r1, c1 map(int, input(第一个坐标: ).split()) r2, c2 map(int, input(第二个坐标: ).split()) if board[r1][c1] board[r2][c2] and can_connect(board, (r1, c1), (r2, c2)): board[r1][c1] 0 board[r2][c2] 0 else: print(这组不能消除换个试试)这个阶段不用在意用户体验甚至不用考虑界面美观度。我用它做过一件事把自动消除循环直接接到后面然后让它自己跑观察整局游戏能不能被完整消完。如果不能说明棋盘生成逻辑有问题或者存在规则理解错误。这一步帮我省下大量后期调试排障的时间。3.2 Tkinter 图形界面版控制台版跑通之后升级到 Tkinter 其实非常快。核心无非就是两块画方块、响应点击。一个格子画成 40 像素见方用不同颜色或文字代表不同图案点击时获取鼠标坐标换算成棋盘坐标然后调用can_connect做判断。我这里用一个简化版界面逻辑展示核心点在事件绑定和坐标换算import tkinter as tk CELL 40 MARGIN 30 class LinkApp: def __init__(self, board): self.board board self.rows len(board) self.cols len(board[0]) self.first None self.root tk.Tk() self.canvas tk.Canvas( self.root, widthMARGIN * 2 self.cols * CELL, heightMARGIN * 2 self.rows * CELL, bg#f0f0f0 ) self.canvas.pack() self.draw_board() self.canvas.bind(Button-1, self.on_click) def draw_board(self): self.canvas.delete(all) for r in range(self.rows): for c in range(self.cols): if self.board[r][c] ! 0: x1 MARGIN c * CELL y1 MARGIN r * CELL x2 x1 CELL - 2 y2 y1 CELL - 2 self.canvas.create_rectangle( x1, y1, x2, y2, fillskyblue, outline#4488cc ) self.canvas.create_text( (x1 x2) // 2, (y1 y2) // 2, textstr(self.board[r][c]), font(Arial, 16, bold) ) def on_click(self, event): c (event.x - MARGIN) // CELL r (event.y - MARGIN) // CELL if not (0 r self.rows and 0 c self.cols): return if self.board[r][c] 0: return if self.first is None: self.first (r, c) return r1, c1 self.first self.first None if (r1, c1) (r, c): return if self.board[r1][c1] self.board[r][c] and can_connect(self.board, (r1, c1), (r, c)): self.board[r1][c1] 0 self.board[r][c] 0 self.draw_board()这里有个体验细节坐标换算时MARGIN一定要和绘制时的边距保持一致而且鼠标点击落在格子边线附近时整除取整可能导致误判。我加了一个保护点击前先判断坐标是否落在棋盘范围内否则容易因为点到窗口边缘而报错。3.3 关于 Pygame 的取舍我知道有人会问用 Pygame 是不是更专业确实Pygame 的动画、音效、帧率控制都比 Tkinter 好但代价是你要理解事件循环、Surface、Sprite 这些额外概念。做连连看这种“点击消除”类游戏Tkinter 只用create_rectangle和create_text就能解决完全没有必要上 Pygame。如果你以后想加“消除动画”——比如两个方块先高亮闪烁再淡出——Tkinter 也能实现只是更繁琐一点。我的建议是第一版别在动画上死磕先保证核心逻辑能闭环。等你把自动解题脚本接进来看到程序自己一格格把棋盘消完那种成就感比花哨动画强得多。3.4 图形界面版的三个实操心得第一个心得是绘制效率问题。我的初版在每次点击后都清空整个画布重新画棋盘大了会有轻微闪烁。解决办法很简单只更新被消除的两个格子所在区域或者给整张画布设置double buffered之类的缓冲。如果只是 8x10 的棋盘全量重绘其实也能接受不用过度优化。第二个心得是给选中格子加高亮。用户点第一个方块后如果没有任何视觉反馈很容易忘记自己选了哪个。我用create_rectangle额外画一个红色边框取消选择时删掉这个边框。这个小改动对体验提升非常明显。第三个心得是关于无解检测的。玩到一半棋盘可能卡死这时候直接“胜利”或者“失败”都不合适。我的做法是点击后检查剩余方块中是否还存在可消除对如果没有就弹窗提示“当前局面无解自动重新洗牌”。这个功能背后的实现就是遍历所有方块两两组合调用can_connect逻辑不复杂但极其有用。4. 自动解题与图像识别让脚本替你玩4.1 自动解题核心逻辑自动解题听起来高大上其实核心就是暴力搜索遍历棋盘上每一对相同图案的方块如果can_connect返回True就记录这一步并消掉。消掉后棋盘变了再重新从头遍历直到棋盘清空或找不到可消除对。实现上有两个细节比较影响效果。第一遍历范围要尽量窄否则复杂度爆炸。8x10 的棋盘有 80 个格子最坏情况下两两组合要判断 79*80/2 次每次 BFS 又有状态开销不过实际跑起来依然很快因为每次消除后格子减少。第二贪心选择顺序会影响最终能否清空棋盘。我测试的时候发现固定从左上角往右下角扫描得到的结果不一定最优有时候会把自己卡死。改进办法是维护一个“可选消除对”列表每次优先消除对整个棋盘剩余可消对数影响最小的那组这种带一点策略的贪心能让完成率提高不少。def auto_solve(board): rows, cols len(board), len(board[0]) moves [] while True: found None for r in range(rows): for c in range(cols): if board[r][c] 0: continue for rr in range(r, rows): for cc in range(c, cols): if rr r and cc c: continue if board[rr][cc] 0 or board[rr][cc] ! board[r][c]: continue if can_connect(board, (r, c), (rr, cc)): found ((r, c), (rr, cc)) break if found: break if found: break if found: break if not found: return moves, False (r1, c1), (r2, c2) found moves.append(found) board[r1][c1] 0 board[r2][c2] 0 if all(board[r][c] 0 for r in range(rows) for c in range(cols)): return moves, True这个函数返回全部消除步骤。我在界面版里接了一个“自动通关”按钮点一下它就一步一步执行每步间隔 0.2 秒能看到块被连续消掉效果很欢乐。这里顺带一提就算脚本算出步骤如果你想“装作自己在玩”还可以设置随机延时和鼠标轨迹这事就看你想怎么用了。4.2 图像识别版怎么判断棋盘位置自动解题是建立在“我知道棋盘数据”的前提下的。如果想去玩别人做好的游戏拿不到棋盘数据就只能靠图像识别。我用的技术栈是 OpenCV 加 pyautogui流程分四步截图、找棋盘、切格子、识别图案。找棋盘是最容易出问题的一步。我的做法是先对全屏截图做边缘检测再用cv2.findContours找最大的矩形轮廓假设它就是游戏棋盘。如果游戏界面有边框或者背景干扰特别重就得换个思路手动指定棋盘四个角的坐标用cv2.getPerspectiveTransform做透视变换把棋盘拉正。这种方法虽然需要手动标定一次但胜在稳定操作也不算麻烦。棋盘拉正之后横向纵向均匀切分成 NxM 个格子。每格中心区域取出来和“预先采集的模板图”做模板匹配得分最高的图案就是当前格子的图案。模板图怎么来第一次运行时我用游戏内置的图鉴截图或者干脆从当前棋盘上截取完整的图案作为种子。4.3 模拟操作层从坐标到点击识别出棋盘后加上自动解题给出的步骤剩下的就是让鼠标自己去点。pyautogui 的click(x, y)可以发送鼠标事件坐标需要把棋盘的逻辑行列映射回屏幕坐标。映射公式很简单屏幕棋盘起点加上行列索引乘以格子宽度再加上格子的半宽偏移。这里有个非常典型的坑游戏客户端通常有网络延迟或者消除时有动画你点完第一组后立刻点第二组游戏可能还没处理完导致后续操作全部错乱。我加了一个简单策略每组点击之间固定等待 0.15 到 0.3 秒如果识别到界面上有“无法消除”的弹窗就重新截图同步棋盘。另一个坑是窗口位置可能被移动所以每次执行前都应重新定位棋盘区域而不是沿用上次坐标。import pyautogui import time def play_external(game_rect, moves, cell_size): x0, y0, _, _ game_rect for (r1, c1), (r2, c2) in moves: x1 x0 c1 * cell_size cell_size // 2 y1 y0 r1 * cell_size cell_size // 2 x2 x0 c2 * cell_size cell_size // 2 y2 y0 r2 * cell_size cell_size // 2 pyautogui.click(x1, y1) time.sleep(0.1) pyautogui.click(x2, y2) time.sleep(0.25)4.4 进阶扩展方向图像识别版做到能自动通关后再往下就有不少有意思的扩展。比如把棋盘模板抽出来做一个“训练集”以后遇到任何皮肤主题的连连看都能通过特征匹配自动识别再比如加入策略搜索用递归回溯找出一条“必然清空”的消除顺序而不是贪心一步走一步。我个人尝试过最有趣的一个方向是“难度分析”统计一个局面的“可消对数量”和“平均拐弯数”用来预测这个棋盘对真人玩家的难度。这个数据对游戏设计者来说很有价值对普通玩家来说也能当个心理预期。我自己玩的时候如果看到平均转弯数超过 1.5就知道这局要动脑子了。5. 常见问题与调试记录5.1 高频问题速查表现象可能原因解决办法明明直线相连却判断为不可消除路径上存在非空格子或者坐标被误判为越界用调试打印把路径上的每个格子值列出来边缘方块永远消不掉没有把棋盘外圈当作通路按上面代码里的虚拟外圈方案处理消除后棋盘重新生成出现单数图案洗牌逻辑写错配对时 i 越界检查遍历步长和边界判断Tkinter 点击没反应坐标换算时 MARGIN 没对齐打印 event.x、event.y 和转换结果对比自动解题到后期卡死贪心策略选错消除顺序改成每轮重新评估可消对选影响最小的图像识别定位不准棋盘背景干扰、边界不清晰改用透视变换手动标定四角自动点击太快导致界面混乱没等动画完成每组点击之间加延时必要时重新截图5.2 三个特别容易踩的坑第一个坑是棋盘初始化时我没有检查“该局是否可解”。结果做了一个界面版玩到一半发现剩余方块即使两两成对也全都不连通界面卡在一个尴尬状态。后来我加了重建逻辑棋盘生成后先跑一次完整自动消除如果中途失败就重新洗牌直到能全部消除为止。当然真实玩家遇到死局也需要支持“重排”这两件事要分开处理。第二个坑是 BFS 的 visited 记录必须带方向维度。我一开始只记录了(row, col)于是同一个格子以不同方向到达时后到的被直接丢弃。表面上看没什么实际会让某些需要转弯的路径被提前剪掉导致可消除的被判成不可消除。加上方向维度后问题立刻消失。第三个坑和图形界面的线程有关。给 Tkinter 加“自动通关”按钮时我直接在按钮回调里跑了auto_solve然后不断调用draw_board。结果界面直接卡死原因是在 Tk 主线程里做了阻塞式循环界面无法刷新。解决办法是把自动消除逻辑放到子线程里每消一对通过队列通知主线程刷新。或者更偷懒一点用root.after定时器分段执行效果也不错。5.3 性能优化方向说句实话8x10 的棋盘上 BFS 完全够用实测自动解题整个流程也算不出什么压力。但如果你想做超大棋盘或者给自动解题加一些策略性能就会成为瓶颈。我试过几种优化。第一层是把可以提前计算的静态信息缓存起来比如每个格子的“可走方向集合”避免每次搜索都重复判断。第二层是维护一个可消对候选池每次消除后只更新受影响的格子而不是全盘重新扫描这个优化收益最明显。第三层是换一个更“聪明”的搜索策略比如双向 BFS或者在转弯判断时用射线法先排除明显不可能的路径。不过还是那句话对练手项目而言清晰比高效重要。你的目标是理解算法背后的逻辑而不是制造一个能处理 100x100 棋盘的引擎。把这层想明白了优化什么时候做、做到什么程度心里自然有数。个人体验说几句。这个项目我前后写了好几版每次重写都有新收获。最开始连转弯判定的规则都搞反后来虚心看了一遍经典实现才反应过来中间被 visited 记录维度坑了一晚上最后做到图像识别自动点击反而没有想象中那么难。如果你也打算搞一个我的建议是别急着上 Pygame、别急着写界面先把can_connect这个函数弄到无懈可击后面全是顺水推舟的事。最后再分享一个小技巧调试连通判断时在棋盘上默认不放置方块只放一对测试方块这样你能非常清晰地观察路径走向比什么日志都好用。