中国象棋C语言源码解析：从棋盘表示到AI搜索的完整实现

简介：这是一份面向C语言初学者与棋类游戏开发爱好者的中国象棋完整源代码，基于MantisChess工程实现，帮助读者通过实战项目理解数据结构、算法与游戏逻辑的综合运用。压缩包共85个文件，约143KB，包含10个cpp源文件与14个h头文件承载棋盘表示、走法判断与AI思考等核心逻辑，另有38个ico图标、6个cur光标及2个rc资源脚本用于界面素材，并附dsp、dsw工程文件与txt说明文档，可直接在VC环境中打开编译。资源围绕二维数组模拟棋盘、车马炮等棋子移动规则、吃子与走法合法性检查、将军与将死判定展开，同时涉及命令行交互、Minimax搜索与Alpha-Beta剪枝的AI设计思路，以及图形界面和棋谱记录回放的扩展方向。目前已有997人学习下载，适合希望以完整项目巩固C语言基础、锻炼逻辑思维与问题解决能力的开发者参考。

1. 一份能跑起来的中国象棋 C 语言源码，到底长什么样

很多人找“中国象棋 c语言源代码”，其实心里想的不是“我要学 C 语言”，而是“我想拿一份能编译、能落子、能判断胜负的完整代码，最好还能看懂它怎么组织的”。我见过太多号称“象棋源码”的压缩包，解压出来要么是半截控制台程序，棋盘都画不齐；要么是某个 IDE 的工程文件，换台机器就报一堆链接错误。这份资源属于前者里比较扎实的那一类：纯 C 实现，不依赖图形库，核心逻辑集中在棋盘表示、走法生成、规则判定和简单搜索四块，适合想拿它当课程设计底稿、或者想拆开看棋类程序怎么落地的人。它不追求 AI 强度，但胜在结构清楚，改起来不玄学。

2. 棋盘表示与走法生成：从二维数组到合法着法列表

2.1 为什么用 10×9 数组而不是位棋盘

打开源码第一眼看到的多半是int board[10][9]这样的定义。中国象棋棋盘是 9 列 10 行，用二维数组最直观：行下标 0 到 9，列下标 0 到 8，红方在下、黑方在上，或者反过来，取决于作者约定。位棋盘在国象引擎里很常见，用 64 位整数表示棋子分布，走法生成靠位运算，速度快但可读性差。这份源码选二维数组，理由很实际：代码量小、调试方便、新手能直接printf出棋盘看状态。代价是搜索深度受限，但作为教学或课程设计完全够用。

棋子编码一般用整数区分阵营和兵种。常见做法是红方正数、黑方负数，或者红方 1 到 7、黑方 8 到 14。比如：

// 棋子编码示例：红方 1-7，黑方 8-14，0 表示空位 #define EMPTY 0 #define R_KING 1 // 红帅 #define R_ADVISOR 2 // 红仕 #define R_BISHOP 3 // 红相 #define R_KNIGHT 4 // 红马 #define R_ROOK 5 // 红车 #define R_CANNON 6 // 红炮 #define R_PAWN 7 // 红兵 #define B_KING 8 // 黑将 // ... 黑方其余棋子依次 9-14

这样编码的好处是判断阵营只需看数值范围：piece >= 1 && piece <= 7是红方，piece >= 8是黑方。走法生成时，先根据棋子类型分派到不同函数，再检查目标位置是否越界、是否被己方棋子占据。

2.2 走法生成函数的组织方式

源码里通常有一个generateMoves或genAllMoves函数，遍历整个棋盘，对每个己方棋子调用对应的生成逻辑。马走日要检查“蹩马腿”，象飞田要检查“塞象眼”，炮吃子必须隔一个炮架，兵过河前只能向前、过河后可以横走。这些规则如果全写在一个大函数里，改一处容易碰坏另一处。我一般会按兵种拆成独立函数：

// 生成红方所有合法走法，存入 moves 数组，返回走法数量 int genRedMoves(int board[10][9], Move moves[]) { int count = 0; for (int r = 0; r < 10; r++) { for (int c = 0; c < 9; c++) { int p = board[r][c]; if (p >= R_KING && p <= R_PAWN) { switch (p) { case R_KING: count += genKingMoves(board, r, c, moves + count); break; case R_ROOK: count += genRookMoves(board, r, c, moves + count); break; case R_CANNON: count += genCannonMoves(board, r, c, moves + count); break; case R_KNIGHT: count += genKnightMoves(board, r, c, moves + count); break; // ... 其余兵种 } } } } return count; }

每个genXxxMoves只负责一种棋子的规则，返回生成的走法数，通过指针偏移写入共享数组。这种写法在 C 里很常见，好处是新增棋子类型或修改规则时影响面小。参数board是当前局面，r、c是棋子坐标，moves是输出缓冲区。调用方需要保证缓冲区足够大——中国象棋单方最多 16 个棋子，每个棋子最多生成十几步，开 128 或 256 大小的数组通常安全。

2.3 合法性检查与“送将”过滤

生成走法只是第一步，还要过滤掉会导致己方被将军的着法。常见做法是：对每个候选走法，在棋盘上模拟执行，然后检查己方将帅是否被对方攻击。如果被攻击，这个走法非法。模拟执行可以用“保存-修改-恢复”三步：

// 检查走法是否合法：模拟执行后己方是否被将军 int isLegalMove(int board[10][9], Move m, int side) { int captured = board[m.toR][m.toC]; board[m.toR][m.toC] = board[m.fromR][m.fromC]; board[m.fromR][m.fromC] = EMPTY; int inCheck = isKingAttacked(board, side); board[m.fromR][m.fromC] = board[m.toR][m.toC]; board[m.toR][m.toC] = captured; return !inCheck; }

isKingAttacked需要遍历对方所有棋子，看是否有任何走法能打到己方将帅。这里有个性能陷阱：如果每生成一个走法都全盘扫描，搜索深度一上去就慢得没法用。优化方向是只检查对方车、炮、马、兵等能远程或跳跃攻击的棋子，而不是重新生成对方全部走法。源码里如果没做这层优化，跑浅层搜索没问题，想加深就得自己补。

提示：模拟执行时一定要恢复被吃掉的棋子，否则棋盘状态会永久损坏，后续走法全乱。这个坑我见过不止一次，表现是“下着下着棋子凭空消失”。

3. 规则判定与搜索：将帅照面、困毙与极小化极大

3.1 将帅照面与困毙的判定细节

中国象棋有两条容易被忽略的规则：将帅不能在同一直线上直接照面，以及无子可动算困毙（输棋）。将帅照面检查可以在走法生成后做：如果双方将帅在同一列且中间没有棋子，当前走法非法。困毙判定则是在轮到某方走棋时，如果合法走法数为零，该方判负。注意困毙和将死的区别：将死是被将军且无合法走法，困毙是没被将军但无合法走法，在中国象棋里都算输。

源码里通常有一个isGameOver函数，返回当前局面状态：红胜、黑胜、和棋或继续。和棋判定一般简化处理，只检查双方是否只剩将帅，或者重复局面超过一定次数。如果要做完整，需要记录历史局面，但课程设计级别通常不做。

3.2 极小化极大搜索的 C 实现骨架

如果源码带 AI 对战，核心多半是极小化极大（Minimax）加 Alpha-Beta 剪枝。搜索函数递归遍历走法树，红方取最大值、黑方取最小值。评估函数通常只算子力价值：车 9 分、炮 4.5 分、马 4 分、兵过河 2 分之类。下面是一个简化骨架：

// 极小化极大搜索，depth 为剩余深度，alpha/beta 为剪枝窗口 int minimax(int board[10][9], int depth, int alpha, int beta, int side) { if (depth == 0) return evaluate(board, side); Move moves[256]; int n = (side == RED) ? genRedMoves(board, moves) : genBlackMoves(board, moves); if (n == 0) return (side == RED) ? -MATE : MATE; // 无棋可走，输棋 for (int i = 0; i < n; i++) { if (!isLegalMove(board, moves[i], side)) continue; int captured = makeMove(board, moves[i]); int score = -minimax(board, depth - 1, -beta, -alpha, 1 - side); unmakeMove(board, moves[i], captured); if (score >= beta) return beta; // Beta 剪枝 if (score > alpha) alpha = score; } return alpha; }

makeMove和unmakeMove负责落子和撤销，必须成对出现。evaluate返回当前局面相对红方的分数，黑方回合取负。Alpha-Beta 剪枝的效果取决于走法排序：先搜吃子走法、先搜历史高分走法，剪枝效率能差好几倍。源码如果没做排序，搜索深度 3 到 4 层还能忍，再深就明显卡顿。

3.3 评估函数的参数怎么调

评估函数是棋力的“黑匣子”。子力价值表是最基础的，但光靠子力，AI 会走出“车换马炮”这种亏本买卖。常见补强是加位置分：兵过河加分、马跳中央加分、车占开放线加分。参数没有标准答案，我一般会先给一组经验值，然后让 AI 自己跟自己下几十盘，看哪些局面判断明显离谱，再微调对应权重。这个过程很磨人，但比拍脑袋强。

注意：评估函数返回值的量级要和 MATE 分数拉开差距。如果 MATE 设成 10000，评估分也可能到几千，搜索时容易把“即将被将死”和“丢一个车”搞混。常见做法是 MATE 设成 100000 以上，评估分控制在几百以内。

4. 编译、调试与常见翻车点排查

4.1 从源码到可执行文件的最小步骤

拿到源码后，先看目录结构。常见布局是main.c加几个.h和.c，或者干脆一个文件全包。编译命令取决于编译器，Windows 下用 MinGW 的 gcc，Linux 和 macOS 用系统自带 gcc 或 clang：

# 单文件编译 gcc -o chess main.c -O2 -Wall # 多文件编译 gcc -o chess main.c board.c movegen.c search.c evaluate.c -O2 -Wall # 如果用了 math.h 里的函数，可能需要加 -lm gcc -o chess main.c board.c movegen.c search.c evaluate.c -O2 -Wall -lm

-O2开优化，搜索速度能提升不少。-Wall打开警告，能提前发现类型不匹配、未初始化变量之类的问题。如果报“undefined reference”，多半是漏了某个.c文件或者函数声明和定义不一致。如果报“segmentation fault”，优先检查数组越界——棋盘是 10×9，但走法生成时行列算错很容易写到board[10][9]外面去。

4.2 棋盘显示错位与坐标约定混乱

控制台象棋最常见的翻车是棋盘画出来对不上。原因通常是坐标约定不统一：有的函数用board[row][col]，有的用board[x][y]，而x和y的含义在不同函数里可能反过来。血泪经验是：在源码开头用注释写死约定，比如“row 0 在黑方底线，row 9 在红方底线，col 0 在最左边”，所有函数一律遵守。显示时用双重循环打印，红方棋子用大写字母、黑方用小写，空位用·或空格。

// 打印棋盘，假设 row 0 在上、row 9 在下 void printBoard(int board[10][9]) { for (int r = 0; r < 10; r++) { for (int c = 0; c < 9; c++) { printf("%3d", board[r][c]); // 简化输出，实际可映射成汉字或字母 } printf("\n"); } }

如果显示出来棋子位置整体偏移一行或一列，先检查循环边界是< 10还是<= 10，这种 off-by-one 错误在棋盘程序里特别常见。

4.3 搜索卡死与递归深度失控

AI 搜索卡死通常有两个原因：一是递归没有正确递减深度，二是走法生成返回了非法走法导致无限循环。排查时先在搜索函数入口打印当前深度和走法数，看是不是深度没减。如果深度正常但速度极慢，检查isLegalMove里是否重复生成了对方全部走法——这是性能杀手。另一个隐蔽问题是“吃自己的子”：走法生成时如果没过滤目标位置是己方棋子，模拟执行后棋盘上会出现两个同色棋子，后续判断全乱。

提示：调试搜索时先把深度设为 1 或 2，确认能正常返回再逐步加深。直接上深度 5 容易等半天看不到结果，还以为是死循环。

4.4 常见问题速查

5. 进阶改造：给源码加一个可调难度的搜索深度

源码能跑之后，最值得做的改造是把搜索深度做成可配置项。默认深度 3 对新手友好，但熟手会觉得太弱。我一般会在main里加一个命令行参数或者简单的菜单，让用户选难度：

// 根据难度返回搜索深度 int getSearchDepth(int level) { switch (level) { case 1: return 1; // 入门：几乎随机 case 2: return 2; // 简单：能看到一步吃子 case 3: return 3; // 普通：能算两步 case 4: return 4; // 困难：能算三步，明显变慢 default: return 3; } }

深度每加一层，节点数大约翻 5 到 10 倍。深度 4 在普通笔记本上可能每步要算几秒，深度 5 就可能几十秒。如果想让深度 5 也能用，必须加走法排序和置换表。走法排序最简单的是 MVV-LVA：被吃棋子价值高、攻击棋子价值低的走法优先搜。置换表用哈希存已搜索过的局面，避免重复计算，但 C 里实现哈希表要小心内存管理。

另一个实用改造是加“悔棋”功能。实现方式是用一个栈记录每一步的棋盘快照或走法加被吃棋子，悔棋时弹出恢复。栈深度开 256 足够一局使用。这个功能对调试特别有用：AI 走出离谱着法时，悔棋回去换个走法看它怎么应对，比重新开局快得多。

验证改造是否生效，我习惯用固定局面测试：摆一个已知最佳走法的残局，看 AI 在不同深度下是否选出正确着法。比如车炮对单将，深度 3 应该能赢，深度 1 可能乱走。如果深度 3 也赢不了，多半是评估函数没给车炮足够权重，或者搜索里把赢棋走法剪掉了。从那以后我每次改搜索参数，都强制走一遍三到五个固定残局，确认没有退化再继续。希望帮到你。

本文还有配套的精品资源，点击获取