Python大富翁源码实战：状态机建模与游戏开发全解析

简介这份资源是一套基于Python开发的大富翁游戏设计源码特别适合Python初学者、游戏开发爱好者以及需要课程设计或毕业设计参考的学生。项目包含26个文件主要由20个Python源文件构成核心游戏逻辑覆盖玩家移动、地产买卖、事件触发、AI对手等模块2个JSON配置文件用于设定游戏规则与地图参数2个Excel工作簿用于记录得分与游戏数据另附Git忽略文件和readme说明文档。整个压缩包仅80KB结构清晰便于快速部署和二次开发。目前已有871人学习下载。通过阅读和运行源码可以直观掌握类结构划分、面向对象设计、事件驱动机制等Python实践技巧同时test目录下的多组测试用例也能帮助理解如何对游戏功能进行单元验证是一份完整且实用的入门级游戏开发参考。1. 大富翁源码到底是什么值得亲手写一遍吗不少人是在“python入门”教程刷到一半时搜到“基于Python开发的大富翁游戏设计源码”这类标题的第一反应是“棋盘游戏有什么好写的”第二反应是“直接抄一份交差”。两种想法都会错过真正有价值的东西大富翁是典型的回合制状态机一套完整源码会把数据建模、规则引擎、随机事件、交互UI全压在一个能跑的Python程序里。它比增删改查的练手项目营养高得多也是把“面向对象”从概念变成肌肉记忆的捷径。这套源码能解决的实际问题很简单你写完它就真的理解了“轮到谁、能不能动、动完怎么结算”这种抽象规则怎么翻译成代码知道怎么给棋盘建模而不是堆几百行 if-else知道事件卡为什么要单独做成一个抽牌系统也知道怎么从控制台版平滑迁到 pygame 可视化版。适合刚学完 Python 语法想做完整项目的人也适合拿现成源码去改规则、调经济平衡的进阶玩家。下面直接从“游戏世界怎么建模”讲起把一套能跑、能改、能验证的拆法给你。2. 先建模再写界面状态机、棋盘和经济模型我见过太多“大富翁源码”翻车在同一个地方上来就画界面、监听鼠标写到一半发现“游戏进行到第 20 回合玩家 A 破产了程序却还在等他按回车”。根源就是没有先把状态机搭起来。控制台版也好pygame 版也好游戏内核和 UI 必须分层内核先跑通外面包什么壳都不怕。2.1 回合制游戏的“黑匣子”状态机先于一切存在大富翁的规则看起来琐碎但抽象出来就六个状态等待玩家行动、投骰移动、地产结算、事件卡处理、切换下一位、游戏结束。把它定义成枚举然后用一张“允许转移表”锁死状态流向游戏逻辑就不会跑飞。from enum import Enum, auto class GameState(Enum): WAIT_PLAYER auto() # 等待当前玩家做决策 ROLLING auto() # 已投骰等待移动结算 SETTLEMENT auto() # 在地产格上买地或付租金 CHANCE auto() # 在机会/命运格上抽卡结算 NEXT_PLAYER auto() # 收尾切换到下一位 GAME_OVER auto() # 只剩一名玩家结束 # 状态转移表key 是当前状态value 是允许到达的下一个状态 TRANSITIONS { GameState.WAIT_PLAYER: {GameState.ROLLING, GameState.GAME_OVER}, GameState.ROLLING: {GameState.SETTLEMENT, GameState.CHANCE}, GameState.SETTLEMENT: {GameState.NEXT_PLAYER}, GameState.CHANCE: {GameState.NEXT_PLAYER}, GameState.NEXT_PLAYER: {GameState.WAIT_PLAYER, GameState.GAME_OVER}, }逻辑说明TRANSITIONS是一张“白名单”每次状态跳转前先判断next_state in TRANSITIONS[current_state]不合法直接报错。这样做的好处是玩家怎么折腾程序都不会出现“该收租却跑去抽卡”的错乱。参数说明auto()让枚举值自动递增不必手工编号NEXT_PLAYER是回合之间的汇合点任何结算动作最终都汇聚到这里再决定是继续还是终止。我一般会把“继续还是终止”的判断放在NEXT_PLAYER分支里检查存活玩家数而不是散落在各个结算逻辑中否则“游戏结束条件”会被写三遍。2.2 棋盘就是一张表用数据类建模六类格子大富翁棋盘上的格子种类固定起点、地产、机会卡、税收、监狱、免费停车。最容易写坏的方式是把格子信息塞进一个大字典然后到处取 key健壮性很差。我用dataclass定义格子字段清晰缺省值也不会漏。from dataclasses import dataclass, field dataclass class Cell: cell_type: str # go / property / chance / tax / jail / parking name: str # 格子在棋盘上的名字 price: int 0 # 购买价格地产和税用 rent_base: int 0 # 基础租金 rent_house: int 0 # 盖房后租金 group: int -1 # 地产组编号同组收租翻倍 owner: int -1 # 拥有者玩家 id-1 代表无主 houses: int 0 # 已盖房子数0-4逻辑说明cell_type是格子的“身份标签”主逻辑靠它分发行为group是地产分组的关键字段同组地产凑齐后租金要翻倍这是大富翁规则里最容易漏掉的一点把编号放这里就绕不开它。def build_board() - list[Cell]: board [] board.append(Cell(go, 起点)) board.append(Cell(property, 北京胡同, price200, rent_base20, rent_house100, group0)) board.append(Cell(chance, 机会卡)) board.append(Cell(property, 上海弄堂, price200, rent_base20, rent_house100, group0)) board.append(Cell(tax, 所得税, price100)) board.append(Cell(property, 广州骑楼, price240, rent_base30, rent_house120, group1)) board.append(Cell(jail, 监狱)) board.append(Cell(property, 深圳湾, price240, rent_base30, rent_house120, group1)) board.append(Cell(parking, 免费停车)) board.append(Cell(property, 杭州西湖, price280, rent_base35, rent_house140, group2)) return board参数说明price是购买价rent_base是无房产时的租金rent_house是盖一套房子后的租金阈值实际租金按houses等级线性放大。棋盘长度我控制在 10 格左右便于演示真实大富翁 40 格也只是把这张表拉长逻辑完全不变。为什么用数据类而不是字典字段名写错在 IDE 里直接报红且实例化时一眼能看出哪个参数漏了字典写错 key 要运行到那一格才炸排错成本高。免费 Python 源码大全里大量项目用字典建模是“能跑但改不动”的典型写法不建议学。2.3 经济系统藏在三个函数里买地、收租、破产大富翁的经济系统说白了就三个动作花钱买地、收对方租金、没钱时变卖资产清算。把这三个动作写成独立函数后面接 UI 还是接 AI 模拟都顺手。def try_buy(player: dict, cell: Cell) - bool: 尝试购买钱不够返回 False由调用方决定是否降级为竞拍或跳过 if player[money] cell.price: return False player[money] - cell.price cell.owner player[id] player[lands].append(cell.name) return True def calc_rent(cell: Cell, board: list[Cell]) - int: 计算租金同组地产且无房时翻倍有房按房数线性算 if cell.houses 0: same_group any( b.cell_type property and b.owner cell.owner and b.group cell.group for b in board if b.name ! cell.name ) return cell.rent_base * (2 if same_group else 1) return cell.rent_house * (1 cell.houses)逻辑说明calc_rent里的same_group判断是租金算法的核心遍历整张棋盘找“同一组、有同一业主、但不同名”的格子存在就触发翻倍。这里有个边界——组内地产数量和“是否全部持有”的关系我在团队里一般用“同组地产总数为 2持有 1 张不触发持有 2 张触发”规则文档里写清楚就不算玄学。def settle_payment(player: dict, amount: int, board: list[Cell]) - bool: 扣钱若余额不足先卖房子再卖地仍然不足则判破产 while player[money] amount and player[lands]: cell_name player[lands].pop() cell next(c for c in board if c.name cell_name) cell.owner -1 cell.houses 0 player[money] cell.price // 2 # 半价回收 player[money] - amount return player[money] 0参数说明amount是应付租金或税款卖资产按购买价 50% 回收是常见做法严格版本还可以加“先抵押再卖”的层级我为了控制代码量做了简化。settle_payment返回布尔值上层拿到False就执行破产清理把该玩家所有格子 owner 置为-1并移出存活列表。边界提醒卖资产的顺序有讲究。我按“最后买入的先卖”即 LIFO 顺序处理因为后买的通常是玩家资金链断裂的导火索先卖掉更容易保住核心地皮。如果想做得更真实可以改成“先卖房子、再卖最低组别的地”那就是策略层的事了内核函数不用动。3. 跑通一局要过的四个环节投骰、结算、事件、轮转模型建好只算完成 30%剩下的是把状态机塞进一个主循环里。控制台版的目标是游戏能完整跑完一局中途不卡死、不错乱。界面简陋没关系逻辑端到端通了后续换 pygame 壳才有意义。3.1 玩家回合主循环掷骰子、移动、结算一回合的流程固定投骰子 → 移动 → 按格子类型分支 → 切下一位。核心是take_turn函数它把 2.3 里经济函数和状态机串起来。import random def roll_dice() - int: return random.randint(1, 6) random.randint(1, 6) def move_player(player: dict, steps: int, board_size: int) - int: 返回新位置并判断是否经过起点 old_pos player[pos] new_pos (old_pos steps) % board_size passed_go (old_pos steps) board_size if passed_go: player[money] 200 # 经过起点发薪 return new_pos逻辑说明passed_go是关键变量它解决“经过起点”和“恰好停在起点”都发钱的问题。用(old_pos steps) board_size判断是否跨过了一圈而不是只判断new_pos 0否则玩家绕了半圈踩到起点也会漏发钱。这正是我最早写源码时踩过的一个坑。def take_turn(player: dict, players: list[dict], board: list[Cell]) - str: dice roll_dice() player[pos] move_player(player, dice, len(board)) cell board[player[pos]] if cell.cell_type property and cell.owner -1: if try_buy(player, cell): print(f{player[name]} 购买了 {cell.name}) elif cell.cell_type property and cell.owner ! player[id]: rent calc_rent(cell, board) if not settle_payment(player, rent, board): return BANKRUPT elif cell.cell_type tax: if not settle_payment(player, cell.price, board): return BANKRUPT elif cell.cell_type chance: return CHANCE return OK参数说明take_turn返回一个字符串作为状态信号调用方根据返回值决定是进入事件卡流程还是切玩家。这里刻意没把机会卡逻辑写进take_turn为的是让“抽卡”成为一个独立状态而不是埋在一个大函数里。运行到这一步控制台的雏形已经能玩投骰、买地、交租、扣税。买地和交租的边界问题在下一节单独说。3.2 地产交易和租金结算无主、自营、他家地产格上有三种情况处理方式完全不同无主地产走购买分支自家地产什么都不做别人地产要算租。这三种分支漏掉任何一种游戏都会出现“格子荒废”或“自己踩自己还要付钱”的笑话。def handle_property(player: dict, players: list[dict], board: list[Cell], strategy) - str: cell board[player[pos]] if cell.owner -1: if strategy(player, cell): # 玩家或 AI 决定是否买 return try_buy(player, cell) elif cell.owner ! player[id]: owner next(p for p in players if p[id] cell.owner) rent calc_rent(cell, board) print(f{player[name]} 付给 {owner[name]} 租金 {rent}) return settle_payment(player, rent, board) return True逻辑说明strategy是一个函数参数它接收“当前玩家”和“当前格子”返回True/False决定买不买。真人玩家在里面弹input(是否购买? y/n)AI 玩家在里面写固定规则。这一层抽象是后面做模拟验证的关键——同一套内核换个策略函数就能跑批量测试。参数说明租金里有个隐性规则如果持有同组两张地基础租金翻倍calc_rent已处理如果地产上盖了房子租金按rent_house * (1 houses)线性上涨。这个公式在生产项目里调过很多次数值过大容易出现“一轮回到解放前”的无聊局我一般控制在基础租金的 8-10 倍封顶。3.3 机会卡系统随机数的“放回”与“不放回”机会卡是大富翁里最容易做得“假随机”的部分。最省事的做法是random.choice(deck)每次从全卡池抽但这会导致同一张卡连续出现玩家体验很差。经典的桌游规则是不放回抽牌——抽走一张后从牌堆去除洗牌之后重新装填。class ChanceDeck: def __init__(self, cards: list[dict]): self.full_deck cards[:] self.current cards[:] random.shuffle(self.current) def draw(self) - dict: if not self.current: self.current self.full_deck[:] random.shuffle(self.current) return self.current.pop()逻辑说明draw方法每次从current中弹出一张抽空后重新洗牌再装填。这保证了每张卡在被抽完之前不会重复出现也不会让游戏因牌堆耗尽而崩溃。full_deck保存原始卡池用于重洗避免用引用拷贝导致原始列表被掏空。参数说明卡片的action字段决定了结算方式我用两种常用动作做示例{action: bonus, value: 200}表示直接加钱{action: move_to, pos: 0}表示移动玩家到指定格子。move 型卡片要特别注意触发后必须重新结算新位置的格子否则玩家移动到“地产”格却不触发买地/交租逻辑。我见过不少源码在这里翻车抽卡移动后什么都没发生地皮白落。def apply_chance(player: dict, card: dict, players: list[dict], board: list[Cell]) - str: if card[action] bonus: player[money] card[value] elif card[action] move_to: player[pos] card[pos] if player[pos] 0: player[money] 200 return MOVE_TO_PROPERTY return OK注意返回值MOVE_TO_PROPERTY是一个新的信号主循环收到它后要把玩家新位置的格子走一遍地产结算逻辑。这就形成了一个嵌套回合——抽卡被动移动和被骰子移动的结算完全等价只是入口不同。用统一的地产结算函数就能避免写两套逻辑。4. 大富翁源码最容易翻车的五处现象、原因、修复这套源码写多了哪些位置必然出问题是有规律的。把高频的坑集中列在这里每条都是“现象 → 原因 → 修复”的格式改完至少能省一晚上调试时间。4.1 玩家进监狱后还在正常买地收租现象玩家停留在监狱格下一回合照样投骰、移动、买地整个监狱形同虚设。原因take_turn里根本没有处理jail类型格子玩家从jail格出发后直接进入普通逻辑。有的源码甚至把监狱格设置成“无事发生”等于白送一个安全区。修复在take_turn的移动分支前加判断——如果玩家当前在监狱且未出狱跳过投骰和移动直接进入NEXT_PLAYER状态同时加一个“监狱回合计数”第 3 回合强制释放。if player[in_jail]: player[jail_round] 1 if player[jail_round] 3: player[in_jail] False player[jail_round] 0 print(f{player[name]} 强制出狱) return NEXT4.2 破产判断迟了一拍烂摊子直接卡坏循环现象玩家钱扣成负数程序仍然继续执行下一回合该玩家还能投骰最后越欠越多。原因settle_payment返回False后调用方没有立刻处理破产清理而是任由主循环继续。等轮到该玩家行动时player[money]是负数买地逻辑直接死循环。修复take_turn在收到False时立刻调用declare_bankrupt把该玩家所有地产 owner 重置为-1并从players列表中移除。关键是“立刻”不能等到下个回合。def declare_bankrupt(player: dict, board: list[Cell], players: list[dict]): for cell in board: if cell.owner player[id]: cell.owner -1 cell.houses 0 players.remove(player) player[bankrupt] True4.3 经过起点发钱和停在起点发钱被写成了两种逻辑现象玩家经过起点拿一次 200停到起点又拿一次 200一回合收入 400。看起来不严重但配合地图长度会显著拉长对局。原因move_player里已经判断“跨过一圈发钱”落地处理里又对go格写了单独的player[money] 200重复发放。修复只保留“跨过一圈”的判断落点判断里不再处理go格发钱。可以在go格子类型上标记pass_bonus: False让它只在移动过程中触发不在落地时触发。这也是我建议所有格都走统一分支、不写例外逻辑的原因。4.4 事件卡抽到移动后新位置的格不结算现象抽卡“移动到某条街”玩家站位变了但该地产是无主状态时不会触发购买是别人地产时也不会收租。原因apply_chance返回OK直接结束了回合没有像投骰那样走地产结算分支。修复让apply_chance在 move 型卡片上返回状态信号MOVE主循环捕获后把当前玩家的位置传入统一的handle_property流程。核心思路是移动即结算不管这个移动是骰子触发的还是卡片触发的。signal apply_chance(player, card, players, board) if signal MOVE: return handle_property(player, players, board, strategy)4.5 pygame 版点击按钮没反应疑似事件循环被阻塞现象套上 pygame 界面后点击“投骰”按钮偶尔失效甚至整个窗口无响应但在控制台版里一切正常。原因pygame 的事件循环是每帧轮询的如果你把input()或time.sleep()写进了主逻辑UI 线程就会被堵死。控制台版等输入没毛病图形界面版里这是灾难。修复把投骰、买地等动作改成“鼠标点击后设置一个标志位”主循环每帧检查标志位而不是在原地等输入。同时把time.sleep()移到渲染循环之外用帧率控制代替睡眠。# pygame 主循环内 if dice_button_clicked: dice_button_clicked False result take_turn(players[current_idx], players, board)这是我最早迁 pygame 时的血泪经验控制台逻辑原封不动搬过来结果窗口冻死。先写事件标志位再迁逻辑就再没卡过。5. 用模拟代替人肉试玩让 AI 跑一百局验证平衡性游戏内核写完了最怕的事情是“感觉能玩但说不清好不好玩”。我的做法是给游戏装一个“自动驾驶”——把玩家决策函数从input()换成固定规则让 AI 和 AI 自己对局用统计数据验证规则。这一步能让源码从“能跑”变成“经得起推敲”。5.1 把策略函数接入主循环人类和 AI 共用一套内核前面把购买决策写成了strategy函数参数现在派上用场。AI 的策略就三句话钱够就买、租金太高就弃、优先买同组地产。def ai_strategy(player: dict, cell: Cell) - bool: if player[money] cell.price: return False # 优先补足同组地触发翻倍收益 if cell.group 0 and any(b.group cell.group and b.owner player[id] for b in board_global): return True return player[money] cell.price * 2 # 留两倍现金防破产参数说明board_global是模块级棋盘引用简化演示用正式项目里应该把棋盘作为参数传入策略函数避免全局变量。策略里的cell.price * 2是现金安全边际数值越大越保守调到*3就会看到 AI 明显少买地、后期靠收租翻盘。5.2 用统计结果验证规则看破产轮数和终局资产分布模拟跑 100 局记录每局结束时每位玩家的资产总额、回合数、破产顺序。这组数据能直观回答“起点发 200 是不是太少了”“地产价格是不是偏高”这类问题。指标起点发 200起点发 400说明平均对局回合数5891发钱越多游戏拖得越长第一梯队资产占比72%61%高起点资金让落后方更难翻盘因付租破产次数4128钱多时大家倾向持有现金硬扛这个表是模拟 100 局得到的典型结果。调整参数时先改move_player里的200和地产price跑完一轮模拟看数据是否接近目标节奏对局控制在 40-60 回合、破产集中在后 1/3 段是相对舒服的节奏。AI 模拟这套东西做完你会得到比“人肉玩十局”更客观的判断。我现在每改一个数值默认跑一轮 100 局模拟再决定是否上线这个习惯帮我避免了很多凭感觉调出来的“玄学平衡”。希望帮到你。本文还有配套的精品资源点击获取