写一个狼吃羊的小游戏

其实在2016年，我就准备写这个小游戏了。但是奈何当时没文化😌，也还没有转行成前端。既没有面向对象的思想，也不懂什么寻径算法，更不了解模块化，只是掌握了canvas的基本知识。所以以当时的水平，就搞了一段时间后，把羊，狼，砖块画了出来，具体怎么运动？搞不下去，就搁置下来了。时间飞逝，这个小游戏就这么静静地烂尾了两年多，直到前几天，在codepen上看到了一个寻径的demo，才又重新捡起来。

现在再捡起来，感觉得心应手应手了许多，尽管中间也碰到了一些坑，但不至于无从下手。尽管还有许多可以改进的地方，代码写的也不怎么规范，断断续续搞了一周多，好歹搞出来一个能用的版本。下面说说开发过程中遇到的一些问题，和学到的知识。

这里是试玩地址：https://js13kgames.com/games/wolf-and-sheep/index.html
github: https://github.com/imgss/wAs

一 devicePixelRatio

在手机上打开这个小游戏时，游戏画面会变得比较模糊，这是由于手机屏幕的css尺寸和真实的物理像素数量是不一样的。这也是window.devicePixelRatio这个属性存在的意义。同时canvas的css宽度和canvas本身的宽度也是这个区别。举个例子：

一个手机的 devicePixelRatio 是3，canvas的css宽度是500px，要想使canvas绘制出的图片不模糊，需要给canvas的宽度设置成多少？答案是500 * 3 = 1500。写成代码是：

    var ratio = window.devicePixelRatio;

    var oldWidth = canvas.width;
    var oldHeight = canvas.height;
    
    canvas.width = oldWidth * ratio; //根据radio设置新的width，解决图片模糊问题
    canvas.height = oldHeight * ratio;
    canvas.style.width = oldWidth + "px";
    canvas.style.height = oldHeight + "px";//使canvas在屏幕上的显示和之前保持一致

二 寻径算法

这也是整个游戏最难的地方，游戏中羊是在不断运动的，狼需要根据羊当前的位置计算出行动路径。在实现中，我参考了codepen上的这个demo，具体的思路是，用一个二维数组来表示整张地图，从目标节点（羊的位置）开始，向上下左右遍历，如果碰到墙或者边界就停止，并标记为访问过。再根据这些节点的兄弟节点进行遍历，直到找到狼所在的位置，或者整个地图全部搜索了一遍。

当在遍历中找到狼的位置后，进行一次回溯，就拿到了狼的运动路径。

整个算法在search.js中，是根据上面的那个demo修改的，实现了一个pathFinder类；

export default class Pathfinder{
  constructor(gridData, targetPosition, foundCallback) {
    this.gridData = gridData;
    this.targetPosition = targetPosition;

    this.foundCallback = foundCallback;
    this.width = this.gridData[0].length;
    this.height = this.gridData.length;
  }
  // 将二维地图转换成节点数据
  parseGridData() {
   ...
  }

了解更多的寻径算法知识可以看这篇文章： https://www.redblobgames.com/pathfinding/a-star/introduction.html

三 一个有用的库

在开发过程中发现手机端的操作不是很流畅，找到了一个叫nipplejs的虚拟摇杆的库。使用方法也很简单，虚拟摇杆可以是固定在屏幕的某个地方，也可以是显示在屏幕的任何一个地方。但是在实际中使用发现，用摇杆操作，很容易导致羊多跑或者少跑一两格，对于这个游戏来说，不如箭头控制精度好，最终还是放弃了。

游戏里还用到一个sweetalert库，用来做弹出框的，没有依赖，用起来很方便（其实是做不出酷炫的弹窗特效）。

后记

整个过程中，加深了自己对算法重要性的认识，虽然前端很少涉及高深的算法，但是多懂一点算法知识绝对大有裨益。小游戏中还有许多值得优化的地方，也还有几个bug，这些以后再慢慢优化吧。（完）