PKHeX项目中Gen 6/7及BDSP游戏的校验和问题分析
2025-06-16 01:35:19作者:虞亚竹Luna
问题背景
在PKHeX项目中,用户报告了一个关于校验和验证的异常现象。具体表现为:当用户将第六代(Gen 6)、第七代(Gen 7)宝可梦游戏以及《晶灿钻石/明亮珍珠》(BDSP)的存档文件直接拖放到PKHeX.exe图标上打开时,程序会报告校验和错误;而如果PKHeX程序已经运行,再通过拖放方式加载相同存档,则校验和验证正常通过。
问题现象详细描述
-
直接拖放打开方式:
- 将存档文件拖放到PKHeX.exe图标上自动打开程序
- 在SAV标签页点击"验证校验和"
- 程序提示校验和错误
- 对于不同游戏的具体错误信息:
- OR/AS:Region 1F400 SAV: 57/58
- X/Y:Region 1E400 SAV: 54/55
- S/M:Region 69C00 SAV: 36/37
- US/UM:Region 6A200 SAV: 38/39
- BDSP:MD5哈希无效
-
程序内拖放打开方式:
- PKHeX程序已运行状态下拖放存档文件
- 校验和验证正常通过
技术分析
经过开发团队深入调查,发现问题与PKHeX的配置设置有关。具体而言,当配置文件(cfg.json)中的"SetUpdateRecords"参数设置为true时,会导致上述校验和验证不一致的行为。
关键发现
-
配置参数影响:
- "SetUpdateRecords"参数控制是否更新存档中的记录区域
- 当设置为true时,会修改存档中的某些记录数据
- 这种修改在直接拖放打开方式下会导致校验和不匹配
-
行为差异原因:
- 直接拖放打开时,程序会以默认方式完整验证存档
- 程序内拖放时,可能因为某些内部状态或缓存机制,跳过了部分验证步骤
-
受影响的游戏区域:
- Gen 6游戏(X/Y, OR/AS)的PSS统计区域(1E400/1F400)
- Gen 7游戏(S/M, US/UM)的记录区域(69C00/6A200)
- BDSP的MD5哈希验证
解决方案
用户可以通过修改配置文件解决此问题:
- 找到PKHeX的配置文件cfg.json
- 将"SetUpdateRecords"参数值从true改为false
- 保存配置文件
- 重新启动PKHeX
修改后,两种打开方式下的校验和验证都将一致显示为有效。
技术建议
-
配置一致性:
- 建议用户在修改重要参数后,完全重启PKHeX以确保所有功能按预期工作
-
存档验证:
- 对于关键操作(如存档编辑),建议始终使用相同方式加载存档进行验证
- 可考虑在修改存档后手动点击"验证校验和"以确保数据完整性
-
参数理解:
- "SetUpdateRecords"参数主要用于控制是否自动更新游戏内的各种记录数据
- 普通用户如无特殊需求,可保持此参数为false以避免意外修改
总结
这个校验和验证问题揭示了PKHeX在不同加载方式下处理存档数据的细微差异。通过调整配置参数,用户可以确保校验和验证的一致性。此案例也提醒我们,在修改存档数据时需要关注相关配置参数的影响,特别是在涉及数据完整性验证的场景下。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
666
153
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
659
300
Ascend Extension for PyTorch
Python
216
235
React Native鸿蒙化仓库
JavaScript
255
320
仓颉编译器源码及 cjdb 调试工具。
C++
133
866
仓颉编程语言运行时与标准库。
Cangjie
141
876
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
650
仓颉编程语言开发者文档。
59
819