这是一篇关于《英雄联盟》（League of Legends）数据抓取与逆向工程的文章，主要内容总结如下：

• 背景与目标：《英雄联盟》是热门竞技游戏，每日产生大量数据，但获取实时游戏数据困难。作者旨在通过逆向工程游戏引擎创建高保真数据集，以推动相关研究与工具开发。

• 当前数据集及其问题：

  • 现有数据集来源包括官方 RIOT 比赛 API 和 Live Client API，但都存在局限性，如数据粒度粗、精度低、完整性差等，无法满足构建深入分析工具的需求。
  • 公开数据集多基于 RIOT Match API，如 Kaggle 上的示例，数据粒度有限，难以获取详细的游戏内信息。

• 数据使用与示例：

  • startups 利用现有数据集提供玩家分析和洞察，如 Blitz.gg 的游戏内叠加层、Backseat.gg 的 AI 语音建议、U.GG 的赛后分析等。

• 技术实现细节：

  • Replays And Packets：从数据源获取加密的回放文件，通过解密和处理数据包，将其转换为结构化 JSON 格式，详细过程和回放格式在 rofl 格式部分 介绍。
  • Emulator And Decryption Background：使用模拟器（如 unicorn engine）处理加密数据包，通过简单的 Python 示例展示了数据包解密过程，包括 XOR 操作，同时强调了数据包字段的解密 - 访问 - 释放周期，以防止内存扫描。
  • Reverse Engineering：分析《英雄联盟》的自定义游戏引擎，重点关注 I/O 和网络层的数据包处理，包括内存分配、反序列化和游戏状态更新等步骤，通过 decompiled 代码详细展示了数据包处理的过程。

• 性能与优化：

  • 最初使用 unicorn 模拟器速度较慢，后用 rust 重写为“exception emulator”，运行速度大幅提升，处理 15 分钟左右的回放仅需 3 秒左右，输出约 135MB 的 prettified json，运行时内存约 400MB。
  • 提出了一些数据包和游戏引擎的优化建议，如减少重复数据包、使用变量整数压缩、合并相似数据包、优化回放时间偏移等，以节省存储空间和降低成本。
• 总结与展望：作者认为该项目有趣，虽已抓取大量回放并进行分析，但因繁忙而暂停，认为系统瓶颈可能在回放聚合，同时提到可将汇编提升为 LLVM 进行静态分析等改进方向。