无名杀塔防模式武将技能报错分析与修复
2025-06-24 17:41:52作者:晏闻田Solitary
问题背景
在无名杀游戏的塔防模式中,当玩家尝试使用特定武将技能时,系统会抛出"TypeError: Cannot read properties of undefined (reading 'includes')"的错误。这个错误直接影响了游戏的核心玩法体验,导致技能无法正常发动。
错误分析
从错误堆栈信息可以看出,问题发生在StepCompiler.js文件的第92行,具体是在处理名为"zyshilu"的技能事件时。核心错误表明代码尝试在一个未定义的变量上调用includes方法。
深入查看代码逻辑,发现以下关键问题点:
- 代码试图访问
_status.characterlist,但此时该变量未被正确定义或初始化 - 错误发生在技能触发流程中,具体是在处理武将名称列表时
- 代码逻辑原本意图是检查武将名称是否在角色列表中
技术细节
游戏在处理武将技能时,会执行以下关键步骤:
- 创建一个空列表用于存储符合条件的武将名称
- 获取触发技能的玩家对象
- 检查玩家的一号名称(name1):
- 确认名称存在
- 确认不是隐藏状态
- 确认不是特定前缀("gz_shibing")
- 确认名称在角色列表中
- 对二号名称(name2)执行相同检查
- 从角色列表中移除已匹配的名称
- 如果是技能来源玩家,则随机再移除一个名称
- 记录处理结果并显示游戏日志
问题出在第3步和第4步的条件检查中,当_status.characterlist未定义时,尝试调用其includes方法导致了错误。
解决方案
针对这个问题,可以采取以下几种修复方式:
- 防御性编程:在执行includes调用前,先检查
_status.characterlist是否存在 - 初始化保证:确保在游戏模式加载时正确初始化角色列表
- 空值处理:当角色列表不存在时,提供默认空数组
推荐采用第一种方式,因为它既解决了当前问题,又不会影响其他依赖此逻辑的代码。具体修改如下:
if (target.name1 && !target.isUnseen(0) && target.name1.indexOf("gz_shibing") != 0 &&
(_status.characterlist || []).includes(target.name1)) list.push(target.name1);
if (target.name2 && !target.isUnseen(1) && target.name2.indexOf("gz_shibing") != 0 &&
(_status.characterlist || []).includes(target.name1)) list.push(target.name2);
影响范围
此修复主要影响:
- 塔防模式下的武将技能系统
- 涉及角色列表处理的游戏逻辑
- 特定武将的技能触发机制
修复后,游戏将能够正确处理武将技能触发时的角色列表检查,避免因未定义变量导致的运行时错误。
最佳实践建议
针对类似问题,建议开发时注意:
- 对所有可能为undefined的对象属性访问进行防御性处理
- 在模式初始化时确保所有必要的全局变量都已正确定义
- 对数组方法调用前进行空值检查
- 使用类型安全的比较操作
- 在关键逻辑处添加错误处理和日志记录
通过这次问题的分析和解决,我们不仅修复了当前的错误,也为游戏代码的健壮性提供了更好的保障。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0201
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
deepin linux kernel
C
32
16
Ascend Extension for PyTorch
Python
746
926
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
266
暂无描述
Dockerfile
771
5.02 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
865
1.96 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
70
22
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.94 K
201
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
693
1.36 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
461
455
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
C
458
5.24 K