## 1. 为什么我们需要图集拆解工具 做游戏开发的朋友应该都熟悉图集这个概念。简单来说，图集就是把多张小图片打包成一张大图，同时生成对应的描述文件（比如plist或json）。这种技术能显著减少游戏资源体积，提升加载速度，更重要的是能优化渲染性能。 我在实际项目中发现，经常需要从图集中提取原始素材。比如： - 从网上下载的游戏资源包 - 需要修改某个UI元素但丢失了原始素材 - 想复用其他项目的部分资源 手动用PS一张张抠图太费时间，这时候就需要一个自动化工具。市面上的TexturePacker虽然能打包，但拆解功能要么收费，要么对中文支持不好。用Python自己写一个其实很简单，而且能适配多种引擎格式。 ## 2. 开发环境准备 ### 2.1 安装Python和必备库 推荐使用Python 3.7+版本，主要依赖两个库： ```bash pip install pillow pip install plistlib ``` Pillow是Python最常用的图像处理库，支持各种图片操作。plistlib则是专门处理plist格式的内置库，不需要额外安装。 ### 2.2 项目目录结构 建议按这样组织代码： ``` /atlas_tool ├── /input # 存放待处理的图集文件 ├── /output # 输出目录 ├── cocos_parser.py ├── laya_parser.py ├── egret_parser.py └── main.py # 主入口 ``` ## 3. CocosCreator图集处理实战 ### 3.1 解析plist文件 Cocos的图集由.png和.plist文件组成。plist本质是XML格式，记录每个子图的位置信息。我们先写个解析函数： ```python import plistlib from PIL import Image def parse_cocos_plist(plist_path): with open(plist_path, 'rb') as f: plist_data = plistlib.load(f) frames = plist_data['frames'] image_path = plist_path.replace('.plist', '.png') return frames, image_path ``` 这个函数返回两个关键数据： - frames：包含所有子图的坐标、尺寸信息 - image_path：对应的大图路径 ### 3.2 图像裁剪与旋转处理 拿到坐标后，用Pillow进行图像操作： ```python def crop_subimages(frames, image_path, output_dir): base_image = Image.open(image_path) for name, data in frames.items(): frame = data['frame'] x, y, w, h = frame['x'], frame['y'], frame['width'], frame['height'] # 处理旋转情况 if data.get('rotated'): sub_img = base_image.crop((x, y, x + h, y + w)) sub_img = sub_img.transpose(Image.ROTATE_90) else: sub_img = base_image.crop((x, y, x + w, y + h)) sub_img.save(f'{output_dir}/{name}') ``` 注意处理rotated标记，有些引擎会旋转图片以节省空间。 ## 4. Laya引擎图集处理 ### 4.1 解析json格式 Laya使用.json描述文件，结构略有不同： ```python import json def parse_laya_json(json_path): with open(json_path, 'r', encoding='utf-8') as f: data = json.load(f) image_name = data['meta']['image'] image_path = json_path.replace('.json', '.png') return data['frames'], image_path ``` ### 4.2 多图集支持 Laya的一个图集可能对应多个png文件： ```python def process_laya_atlas(json_path, output_dir): frames, image_paths = parse_laya_json(json_path) for img_path in image_paths: base_img = Image.open(img_path) for frame in frames.values(): if frame['img'] == img_path: # 裁剪逻辑... pass ``` ## 5. Egret引擎处理技巧 ### 5.1 特殊格式处理 Egret的json有些字段名不同： ```python def parse_egret_json(json_path): with open(json_path, 'r') as f: data = json.load(f) return data['frames'], data['file'] ``` ### 5.2 透明通道处理 Egret图集可能有特殊alpha处理： ```python sub_img = base_img.crop(box) if sub_img.mode == 'P': sub_img = sub_img.convert('RGBA') ``` ## 6. 批量处理与优化 ### 6.1 多线程加速 处理大量图集时可以用多线程： ```python from concurrent.futures import ThreadPoolExecutor def batch_process(paths): with ThreadPoolExecutor() as executor: executor.map(process_atlas, paths) ``` ### 6.2 错误处理 增加健壮性检查： ```python def safe_process(path): try: if path.endswith('.plist'): process_cocos(path) elif path.endswith('.json'): process_laya(path) except Exception as e: print(f'处理失败 {path}: {str(e)}') ``` ## 7. 完整工具封装 最后我们可以把这些功能整合成一个命令行工具： ```python import argparse def main(): parser = argparse.ArgumentParser() parser.add_argument('input', help='输入目录或文件') parser.add_argument('-o', '--output', default='output', help='输出目录') args = parser.parse_args() if os.path.isdir(args.input): files = find_atlas_files(args.input) batch_process(files, args.output) else: process_single(args.input, args.output) ``` 使用示例： ```bash python atlas_tool.py game_assets/ -o my_output ``` ## 8. 实际开发中的坑 1. **路径问题**：Windows和Mac的路径分隔符不同，建议用`os.path`处理 2. **编码问题**：json文件可能用UTF-8或GBK，需要try-catch多种解码方式 3. **内存泄漏**：处理大图集时及时关闭文件描述符 4. **文件名冲突**：不同目录可能有同名文件，输出时要做区分 我在处理一个2GB的Laya图集时就遇到过内存爆掉的情况，后来改用分块读取解决了。 ## 9. 扩展思路 这个工具还可以继续增强： - 添加GUI界面 - 支持更多引擎如Unity、Spine - 集成到资源管理流水线中 - 增加图片压缩/格式转换功能 代码已经放在Gitee上，包含完整测试用例和示例文件。遇到问题欢迎提issue，我会持续维护这个工具。