| 赞 | 66 |
| VIP | |
| 好人卡 | |
| 积分 | 19 |
| 经验 | |
| 最后登录 | 2026-7-23 |
| 在线时间 | 1555 小时 |
- 梦石
- 0
- 星屑
- 1907
- 在线时间
- 1555 小时
- 注册时间
- 2013-4-13
- 回帖
- 783
|
加入我们,或者,欢迎回来。
您需要 登录 才可以下载或查看,没有账号?注册会员
×
本帖最后由 沉滞的剑 于 2020-6-8 13:30 编辑
继续搞事情....
设定用表格很方便, 但是游戏中还是JSON结构清楚
写一遍设定再录入一遍数据实在是太蠢了, 所以需要搞一个脚本来辅助工作
我有很多张CSV表格, 我要把它们每一张都输出为Json格式, 并且还想支持一些简单的不定长的数据结构
例子1 - 最简单的情形
我需要一些文本描述:
id,name,note
hp,生命,"人物能够承受的伤害, 初始为12点"
belly,饱腹,"人物能承受的饥饿, 初始为15点, 饱腹不足时将由生命值承受饥饿"
exp,经验,"用来提升最大生命或者属性的资源. 每100点经验可以换取1点最大生命或1点属性点, 每次换取属性点的花费增加50."
gp,金币,"用来交易物品的资源"
attr,属性,"表示角色的不同能力的强度, 每一项最多10点"
str,力量,"人物属性, 每点力量提高1点攻击, 初始为1点"
int,智力,"人物属性, 每点智力获得额外5点战斗经验, 初始为1点"
spd,速度,"人物属性, 战斗中速度高的角色先出手, 初始为1点"
weapon,武器,"提供额外攻击的装备"
armor,防具,"提供额外防御的装备"
accessory,饰品,"提供额外效果的装备"
atk,攻击伤害,"攻击所能造成的基本伤害"
def,伤害抵抗,"能够抵消一次攻击的攻击伤害总量, 最多降低伤害到1点"
CSV要求每一列用逗号分隔, 如果文本中有都好需要用双引号将整个文本括起来
最后输出的结果是:
[
{ "id": "hp", "name": "生命", "note": "人物能够承受的伤害, 初始为12点" },
{ "id": "belly", "name": "饱腹", "note": "人物能承受的饥饿, 初始为15点, 饱腹不足时将由生命值承受饥饿" },
{
"id": "exp",
"name": "经验",
"note": "用来提升最大生命或者属性的资源. 每100点经验可以换取1点最大生命或1点属性点, 每次换取属性点的花费增加50."
},
{ "id": "gp", "name": "金币", "note": "用来交易物品的资源" },
{ "id": "attr", "name": "属性", "note": "表示角色的不同能力的强度, 每一项最多10点" },
{ "id": "str", "name": "力量", "note": "人物属性, 每点力量提高1点攻击, 初始为1点" },
{ "id": "int", "name": "智力", "note": "人物属性, 每点智力获得额外5点战斗经验, 初始为1点" },
{ "id": "spd", "name": "速度", "note": "人物属性, 战斗中速度高的角色先出手, 初始为1点" },
{ "id": "weapon", "name": "武器", "note": "提供额外攻击的装备" },
{ "id": "armor", "name": "防具", "note": "提供额外防御的装备" },
{ "id": "accessory", "name": "饰品", "note": "提供额外效果的装备" },
{ "id": "atk", "name": "攻击伤害", "note": "攻击所能造成的基本伤害" },
{ "id": "def", "name": "伤害抵抗", "note": "能够抵消一次攻击的攻击伤害总量, 最多降低伤害到1点" }
]
例子2 - 不定长的数据
我需要定义一种'效果'函数, 它接收不定长数量的参数, 我希望能转换为参数列表并附带描述:
id,name,type,params,note
atk,伤害,always,dmg:伤害加成,攻击伤害提高$1
atkAttr,属性加成伤害,always,attr:属性类型;dmg:每点属性提供的伤害加成,每点#1提高$2点攻击伤害
最后输出的结果是:
[
{
"id": "atk",
"name": "伤害",
"type": "always",
"params": [{ "name": "dmg", "note": "伤害加成" }],
"note": "攻击伤害提高$1"
},
{
"id": "atkAttr",
"name": "属性加成伤害",
"type": "always",
"params": [
{ "name": "attr", "note": "属性类型" },
{ "name": "dmg", "note": "每点属性提供的伤害加成" }
],
"note": "每点#1提高$2点攻击伤害"
}
]
我约定xxx:yyy的结构代表名称为xxx, 描述为yyy
例子3 - 另一个不定长的数据
我需要让其他数据使用我之前定义的效果函数, 而且让它看上去是另一种语法
id,name,effects,type,value,note
shortsword,短剑,"atk(5)",dagger,10,"轻便灵活的护身武器, 新人冒险家用它来杀死野狼."
sword,长剑,"atk(8)",sword,20,"从雇佣兵到骑士团, 人人都爱用的可靠武器."
lance,骑枪,"atk(5);atkAttr(spd,3)",polearms,80,"冲锋! 骑枪之下众生平等."
转换后的结果为:
[
{
"id": "shortsword",
"name": "短剑",
"effects": [{ "id": "atk", "params": ["5"] }],
"type": "dagger",
"value": "10",
"note": "轻便灵活的护身武器, 新人冒险家用它来杀死野狼."
},
{
"id": "sword",
"name": "长剑",
"effects": [{ "id": "atk", "params": ["8"] }],
"type": "sword",
"value": "20",
"note": "从雇佣兵到骑士团, 人人都爱用的可靠武器."
},
{
"id": "lance",
"name": "骑枪",
"effects": [
{ "id": "atk", "params": ["5"] },
{ "id": "atkAttr", "params": ["spd", "3"] }
],
"type": "polearms",
"value": "80",
"note": "冲锋! 骑枪之下众生平等."
}
]
将多个效果和它的参数解析出来, 同时保证原数据还具有一定的可读性.
最后脚本是用NodeJS写的, 其实也可以考虑用Python, 如果用pandas一定会实现更加复杂的效果, 至少不需要手写csv的解析了
- const fs = require("fs");
- const path = require("path");
- const _ = require("lodash");
- const parseCol = (name, col) => {
- const list = col.split(";").filter(Boolean);
- const head = _.head(list);
- if (["id", "name", "note"].includes(name)) return col;
- if (/^.+:.+$/.test(head)) {
- return list.map((item) => {
- const pairs = item.split(":");
- return {
- name: pairs[0],
- note: pairs[1],
- };
- });
- } else if (/^.+[(].+[)]$/.test(head)) {
- return list.map((item) => {
- const [_, id, params] = item.match(/^(.+)[(](.+[,]?)+[)]$/);
- return {
- id,
- params: params.split(","),
- };
- });
- } else if (/^\[.+\]$/.test(col)) {
- return col.split(",");
- }
- return col;
- };
- const parseFile = async (src, dst, filename) => {
- const data = await fs.promises.readFile(path.resolve(src, filename), "utf-8");
- const lines = data.split("\r\n").map((item) => {
- let flag = true;
- const list = [0];
- const subStrings = [];
- item.split("").forEach((v, i) => {
- if (v === '"') return (flag = !flag);
- if (v === "," && flag) {
- list.push(i);
- subStrings.push(item.substring(list[0], list[1]).replace(/^["](.*)["]$/, "$1"));
- list.shift();
- list[0] += 1;
- }
- });
- subStrings.push(item.substring(list[0]).replace(/^["](.*)["]$/, "$1"));
- return subStrings;
- });
- const head = lines.shift();
- const obj = lines.map((line) => _.fromPairs(line.map((col, index) => [head[index], parseCol(head[index], col)])));
- await fs.promises.writeFile(path.resolve(dst, filename.replace(/csv$/, "json")), JSON.stringify(obj));
- };
- // 程序入口, 将src文件夹下的所有文件转化为json格式(不要放其他类型的文件和文件夹进去)
- const src = "./data/Cards/CSV";
- const dst = "./data/Cards/JSON";
- const filenames = fs.readdirSync(src, "utf-8");
- filenames.forEach((item) => {
- parseFile(src, dst, item);
- });
复制代码
新增用pandas写的直接将excel的所有sheets转换为JSON
- import pandas as pd
- import numpy as np
- import json
- import re
- excel_path = 'data/Cards/Excel/cards.xlsx'
- json_path = 'data/Cards/JSON/'
- def parseCol(col):
- partterns = {
- 'func': {
- 'pattern': r'(.+?)[(](.*?)[)];?',
- 'method': lambda matches: [
- {
- 'name': x[0],
- 'params': [*[y for y in x[1].split(',') if y is not '']]
- }
- for x in matches
- ]
- },
- 'params': {
- 'pattern': r'([^;]+?)[:]([^;]+)[;]?',
- 'method': lambda matches: [
- {
- 'name': x[0],
- 'note': x[1]
- }
- for x in matches
- ]
- }
- }
- for v in partterns.values():
- matches = re.findall(pattern=v['pattern'], string=str(col))
- if len(matches):
- return v['method'](matches)
- return str(col)
- sheets = pd.read_excel(excel_path, sheet_name=None)
- sheet_names = list(sheets.keys())
- for each in sheet_names:
- sheet = sheets[each]
- values = list(sheet.values.flatten())
- data = pd.DataFrame(
- np.array(list(map(parseCol, sheet.values.flatten())),
- dtype="object").reshape(sheet.shape),
- columns=sheet.columns).to_dict(orient="record")
- with open(json_path + each + '.json', mode='w', encoding='utf-8') as file:
- json.dump(data, file, ensure_ascii=False)
复制代码
|
|