用Python和Pygame实现围棋小游戏：规则建模、提子判定与AI对战

简介：用 Python 与 Pygame 编写的围棋小游戏完整源码项目，适合想通过实战入门游戏开发的 Python 初学者、Pygame 学习者，以及想了解围棋规则与简单 AI 算法的开发者。整体代码量精简、模块划分清楚，可直接运行体验，也适合作为课程设计或个人练手项目。压缩包共 6 个文件，体积仅 695KB，内含 1 个 Python 源码、1 个 Markdown 说明、1 个文本依赖文件、1 个 ttf 字体、1 张 jpg 示意图片和 1 份 gitignore 忽略规则；依赖与运行方式均有文档说明，结构紧凑，便于快速阅读、安装和运行。目前已有 1162 人浏览/学习，热度不错；对于想从零体验 Pygame 游戏开发的人来说，可以在这份源码中看到窗口初始化、事件监听、棋盘绘制与状态刷新的完整流程。项目按 pygo-master 目录组织，核心包括游戏入口、棋盘逻辑、玩家类和可运行简单搜索策略（如 Minimax）的 AI 决策模块；通过阅读和修改代码，可以巩固 Python 基础语法、面向对象与事件驱动编程，并在已有规则基础上扩展更多功能，是提升游戏开发能力和算法思维的实用练手资源。

1. 用 Python 和 Pygame 做围棋小游戏源码：先定位三个坑

很多人在 pygame 安装这一步就直接劝退了，更不要提把“气”“提子”“劫”这些规则落到代码里。这份围棋小游戏源码包，真正值钱的部分不是那几张棋子贴图，而是一个能正确处理“整块棋是否还有气”的规则核心，以及一套把鼠标点击换算成棋盘坐标的交互层。你想下完一整盘 19 路围棋，最难的不是画线，而是死子被提掉之后，棋盘状态依旧保持一致。这篇内容就是围绕源码包里的规则模型、渲染流程、简单 AI 和排错经验展开，适合照着 python 安装教程配好环境、想在 pygame 上做点完整项目的读者。读完你拿到的是一份可以直接解压运行的源码骨架，而不是一个空谈概念的教程。

2. 围棋规则建模：从棋盘数组到提子判定

2.1 为什么用二维数组而不是一维字典

常见做法是用二维数组存盘面，用一维字典做坐标到棋子的映射。源码包里绝大多数实现选的是grid[row][col]这种结构，因为围棋的坐标计算密集，数组下标访问比字典查找快一个量级，而且代码更好读。三种主流存储方式的差异如下。

源码包里用 0 表示空点、1 表示黑棋、2 表示白棋，这个约定贯穿整个项目。不要用字符'B''W'，因为字符比较开销更大，而且后期做蒙特卡洛模拟时，整数数组可以直接参与向量化运算。

2.2 计算一块棋的“气”到底要遍历什么

气是围棋程序最容易写错的地方。很多人只数当前棋子上下左右四个相邻空点，结果一块棋连在一起时就把气算重复了。源码包里用的是深度优先搜索，把连通的一个块当成整体来数气，而不是逐子统计后再去重。

class Board: def __init__(self, size=19): self.size = size self.grid = [[0] * size for _ in range(size)] self.ko = None # 记录劫争位置 def neighbors(self, pos): """返回上下左右四个邻居坐标""" x, y = pos for dx, dy in ((1, 0), (-1, 0), (0, 1), (0, -1)): if 0 <= x + dx < self.size and 0 <= y + dy < self.size: yield x + dx, y + dy def group_and_liberties(self, pos): """找到 pos 所在整块棋，并返回这块棋的气""" if self.grid[pos[0]][pos[1]] == 0: return None stack = [pos] group = [] liberties = set() # 用集合避免重复计数 while stack: cur = stack.pop() if cur in group: continue group.append(cur) for nb in self.neighbors(cur): if self.grid[nb[0]][nb[1]] == 0: liberties.add(nb) # 空点即一口气 elif self.grid[nb[0]][nb[1]] == self.grid[cur[0]][cur[1]]: stack.append(nb) # 同色棋子继续扩展 return group, liberties

这个函数的参数和返回值要讲清楚：pos是(row, col)元组，不是像素坐标；返回值是一个组（list）和一个气（set）。这里用set来收集气很重要，因为气是去重的，空点可能被周围多个同色棋子共享。如果用列表，就必须在加入前做一次not in判断，当棋盘上有一两百个生存棋子时，这种线性查找会把程序拖慢到肉眼可见的卡顿。

2.3 提子逻辑里最容易漏掉的自杀判定

提子并不是只要对手无气就立刻提掉。源码包的处理顺序是这样：先在目标位置临时落子，数自己这块棋的气；如果落子后自己这块气为零，再检查是不是能通过提掉对手棋子获得气，能提则合法，不能提就是自杀。这个顺序反了，就会出现“落子把自己的眼填掉反而被判自杀”的笑话。

def would_capture(self, pos, player): """检测在 pos 落子后能否提掉对手棋子""" opponent = 3 - player captured = [] for nb in self.neighbors(pos): if self.grid[nb[0]][nb[1]] == opponent: group, liberties = self.group_and_liberties(nb) if len(liberties) == 0: captured.extend(group) return len(captured) > 0

player参数用 1 和 2 表示，3 - player直接得到对手，这个写法支持黑棋和白棋在同一个类里复用。captured列表收集所有被围死的对手棋子，之后主流程里统一把这些坐标置为空。这里有个细节值得注意：判断一块棋是否无气时，不能只数当前这个棋子的气，而要先把整块棋找出来，再数这块棋整体的气。很多初次实现的人直接对落下的那一子做邻居空点遍历，就会漏掉和自己棋子连成一片的情况。

落子后还要处理一个边界情况：如果落子后自己没有气、且不能提子，这个动作要直接视为非法，不能进入落子流程。源码包里用is_legal包装了这层判断，真正对外暴露的是一个play_move(pos, player)方法，内部调用would_capture和group_and_liberties做完整校验。

3. Pygame 交互层：把规则接到鼠标点击上

3.1 Pygame 初始化参数与棋盘坐标换算

规则层再正确，接不上界面就是死的。Pygame 的常见做法是先把棋盘画到一个固定尺寸的 Surface 上，然后整个窗口只处理一个MOUSEBUTTONDOWN事件。源码包里面的棋盘边距margin设为 30 像素，格子间距cell_size设为 30 像素，19 路棋盘整体就是17 × 30 + 2 × margin。这里的核心函数是坐标换算，不能直接整除，要四舍五入到一个交叉点上。

import pygame pygame.init() screen = pygame.display.set_mode((600, 640)) pygame.display.set_caption("围棋 - Pygame 实现") margin = 30 cell_size = 30 board_size = 19 def screen_to_board(pos): """把屏幕像素坐标转成棋盘行列坐标""" x, y = pos col = round((x - margin) / cell_size) row = round((y - margin) / cell_size) if 0 <= row < board_size and 0 <= col < board_size: # 用点到交叉点的距离做二次校验，避免点偏 px = margin + col * cell_size py = margin + row * cell_size if abs(x - px) <= cell_size / 2 and abs(y - py) <= cell_size / 2: return row, col return None

屏幕坐标的x是列方向，y是行方向，所以这里先用x - margin除以格子间距得到col，再得到row。round函数要考虑 Python 的银行家舍入原则，在除以 30 时不会遇到.5的情况，因为像素是整数。后面那个二次校验非常关键，它保证鼠标点在两个交叉点中间时不会误落子，实际体验上能减少大概三成误触操作。

3.2 事件循环里如何维护落子方切换与悔棋

Pygame 的代码讲究只在主循环里做三件事：处理事件、更新游戏状态、重新绘制。源码包里的状态维护很简单，一个turn变量轮换 1 和 2，一个history栈记录每一步的棋盘快照，方便悔棋。悔棋不能只弹掉最后一颗子，而是要恢复整个棋盘数组，因为这一手可能提掉了好几颗对手棋子。

def handle_event(event, board, turn, history): if event.type == pygame.MOUSEBUTTONDOWN and event.button == 1: pos = screen_to_board(event.pos) if pos is not None: history.append([row[:] for row in board.grid]) if board.play_move(pos, turn): return 3 - turn else: history.pop() elif event.type == pygame.MOUSEBUTTONDOWN and event.button == 3: if len(history) > 1: board.grid = history.pop() return turn

右键悔棋用的是event.button == 3，history里存的不是落子坐标，而是完整棋盘深拷贝。这是因为提子可能会改变多处，只存坐标不够。深拷贝用[row[:] for row in board.grid]，而不是copy.deepcopy，后者慢不说，还会把嵌套对象的结构也复制一遍。每步都存完整棋盘也就 361 个整数，对 Python 运行时来说毫无压力。

3.3 绘制棋盘时的 z-order 问题

绘制顺序错了，棋子就会压在网格线上，观感很差。正确顺序是：先画背景色，再画网格线，然后画星位小点，最后画棋子。源码包里用的是单个大 Surface 重绘方式，每次循环都全量绘制。性能上没问题，因为 19 路棋盘即便全画满也就 361 个圆，Pygame 的pygame.draw.circle处理这个数量级绰绰有余。

代码里落子的颜色判断是turn == 1时画黑色圆，边缘画一条深灰线，白棋画白色圆加浅灰边缘。这样即便黑白棋子靠近也能分辨。如果觉得圆不够立体，可以再加一个高光偏移：在圆心左上偏移 2 像素的位置画一个小的半透明圆，这种提升视觉质感的手段在源码包里也常见，但是注意不能使用pygame.gfxdraw的透明圆，那个依赖 SDL 的图像格式支持，Windows 上偶尔会出色深问题。

4. 源码包结构与 AI 落子的三个可选方案

4.1 一个可维护的源码 zip 目录长什么样

这个包拿到手不要急着运行，先看目录结构。有经验的开发者会把规则层、渲染层、AI 层拆开，避免把play_move和画棋盘混在一起。

go_game/ ├── board.py # 规则层，Board 类 ├── render.py # 渲染层，绘制棋盘与棋子 ├── game.py # 主循环，事件处理入口 ├── ai.py # 可选，简单 AI 落子 ├── requirements.txt # 依赖列表，pygame>=2.0 └── README.md # 运行说明

requirements.txt里只写pygame>=2.0就够，不要锁一个太老的版本。很多人在 pygame 安装时卡住，就是因为系统里残留了 1.9.x 的老版本和 Python 3.12 冲突。主循环入口game.py里创建 Board 和 screen，再调用render.py的绘制函数，AI 只是被打包成同名接口的函数，传入棋盘返回坐标。

4.2 自带 AI：基于气数估值的贪心策略

如果不想只双人对战，源码包里最省事的 AI 方案是贪心。它的原理是遍历棋盘所有空点，在每个空点尝试落子并计算“这块棋落子之后的气”和“能提掉对手多少子”，以提子数和气数加权求和作为收益。这个 AI 不会计算未来几步，但是对于初学者玩家来说已经够用。

def greedy_ai(board, player, depth=1): """贪心 AI：选提子多且气多的点""" opponent = 3 - player best_score = -1e9 best_move = None for row in range(board.size): for col in range(board.size): if board.grid[row][col] != 0: continue if not board.is_legal((row, col), player): continue # 试下这手棋 board.grid[row][col] = player group, libs = board.group_and_liberties((row, col)) capture_score = 0 for nb in board.neighbors((row, col)): if board.grid[nb[0]][nb[1]] == opponent: g, l = board.group_and_liberties(nb) if len(l) == 0: capture_score += len(g) score = capture_score * 10 + len(libs) board.grid[row][col] = 0 if score > best_score: best_score = score best_move = (row, col) return best_move

这里depth参数目前没用上，保留它是为了以后扩展成最小最大搜索。capture_score乘以 10，是因为在训练模型里提子的价值往往远大于长气。很多 AI 初学者把这个权重定成 1:1，结果机器总是在局部打劫而不是守住边角，因为提子能立刻改变棋盘子数差距，而长气只是潜在收益。

4.3 蒙特卡洛模拟的轻量版实现

如果贪心 AI 觉得太弱，源码包里还可以挂一个蒙特卡洛树搜索的简化版：随机下完 N 局，统计每个合法首手对应的胜率。这是最常见的做法之一，因为完整 MCTS 需要维护树的节点和 UCB 公式，对新手来说太重。轻量版代码如下。

import random def simulate(board, player, playouts=100): """对当前局面随机模拟 playouts 局，返回候选点得分""" scores = {} for _ in range(playouts): b = Board(board.size) b.grid = [row[:] for row in board.grid] cur = player for _ in range(400): # 最多 400 手，防止死循环 moves = [(r, c) for r in range(b.size) for c in range(b.size) if b.grid[r][c] == 0 and b.is_legal((r, c), cur)] if not moves: cur = 3 - cur continue move = random.choice(moves) b.play_move(move, cur) cur = 3 - cur # 粗略数子，不算贴目，只要胜负 black_count = sum(row.count(1) for row in b.grid) white_count = sum(row.count(2) for row in b.grid) winner = 1 if black_count > white_count else 2 if winner == player: for (r, c) in moves: scores[(r, c)] = scores.get((r, c), 0) + 1 if not scores: return None return max(scores, key=scores.get)

这个实现有个明显的缺陷：它把所有模拟对局里出现的合法手都加分，而不是只给首手加分，所以偏向于那些在中盘出现频率高的点，倒是也能用。playouts参数控制模拟局数，100 局在纯 Python 环境下大约耗时 2 到 3 秒，acceptable。注意black_count是没有贴目的，日本规则和中国规则在这个程序里影响不大，因为模拟次数少，误差本身就很大。

5. 验证提子正确性的技巧与 Pygame 环境排错

5.1 用 pytest 给围棋规则做回归测试

源码包里最值得学习的其实是测试代码。很多项目跑着跑着就坏了，通常不是 Pygame 渲染坏了，而是规则层在加入新功能时被破坏。常见做法是给提子和自杀判定写最小用例。

import pytest def test_capture_single_stone(): b = Board(19) b.grid[9][9] = 1 b.grid[9][10] = 2 b.grid[10][9] = 2 b.grid[8][9] = 2 b.grid[9][8] = 2 assert b.play_move((9, 9), 2) is False # 白方已经在包围黑棋

这里play_move返回结果是False表示黑棋被提掉，或者黑棋这一手非法。真正要验证的是提子之后b.grid[9][9]变成 0，以及b.ko是否记录劫争位置。写测试时可以先从角部开始，因为角部气数计算最容易出错。角上两颗黑棋分别活在 1,1 和 1,2 位置，它们的连通性和气数都和外棋盘不同。

5.2 安装 Pygame 时的经典报错处理

如果你在pip install pygame时遇到error: failed to build 'pygame' when getting requirements to build wheel，这说明 pip 正在试图从源码编译而不是安装预编译版本。Windows 下通常是因为 Python 版本太新或者 pip 版本太老，先执行python -m pip install --upgrade pip，再装pygame的预编译 wheel。Linux 下需要提前装 SDL 依赖，但更快的办法是直接用系统包管理器装python3-pygame，虽然版本可能旧一些，但不折腾。

验证安装是否成功不要只看import pygame，那只会验证 Python 模块存在，不会验证 SDL 的显示驱动。用python -m pygame.examples.aliens跑一遍示例，能弹出窗口且移动正常，才算真正可用。如果aliens能跑但自己的棋盘程序黑屏，大概率不是安装问题，而是主循环里忘了调用pygame.display.flip()。

5.3 坐标换算的边界检查

最后一个技巧是给screen_to_board写边界测试。19 路棋盘最边缘的交叉点在x = margin和x = margin + 18 * cell_size这两条线上。当鼠标点击刚好落在x = margin时，round(0)得到 0，这是边界点，合法。当鼠标点击位置比margin还小 10 像素时，(x - margin) / cell_size是负数，round之后可能是 0 也可能是 -1，取决于小数部分。所以不能只做round之后的0 <= row < board_size判断，还要检查原始的像素坐标是否落在棋盘矩形范围内。这也是我在集成 Pygame 项目时最常看到的一处隐蔽 bug。下次再遇到诡异落子位置，先打印event.pos和换算出的行列坐标，多数问题一眼就能看出来。

本文还有配套的精品资源，点击获取