• 数据分析
• 游戏开发

demoparser 是一款Counter-Strike 2 回放解析工具，能把 CS2 的.dem回放文件当作"数据库"来查询：你用 Python 或 JavaScript 写几行代码，就能拿到玩家死亡坐标、每回合击杀、经济变化、语音数据等结构化结果。而它最让人惊喜的，是性能——官方基准测试中，一台游戏本在6.14 秒内解析完 50 场比赛、共 4.6GB 的录像。

下面带你快速了解这个工具能做什么、怎么用，以及"6 秒 50 场"的速度究竟是怎么来的。

🎯 它是做什么的：像查数据库一样查录像

传统 CS 录像解析器一般采用"事件流"思路：解析过程中不断回调你注册的钩子函数。demoparser 换了个思路——不给你流，而是给你查询接口。

你只需要告诉它三件事：

• 解析哪场录像（.dem文件路径）
• 要哪类数据（比如player_death死亡事件）
• 要哪些字段（比如玩家的 X/Y 坐标、回合数）

它直接返回一张 Pandas 数据表（DataFrame），之后groupby、filter、pivot想怎么用就怎么用，和写 SQL 查库的体验非常接近。相关示例集中在 examples/ 目录，官方说明见 README.md。

⚡ 快速上手：两条命令开始解析

Python（需要 3.8+）：

pip install demoparser2

from demoparser2 import DemoParser parser = DemoParser("path_to_demo.dem") df = parser.parse_event("player_death", player=["X", "Y"], other=["total_rounds_played"])

Node.js / WASM：

npm i @laihoe/demoparser2 # Node.js npm i demoparser2 # WASM（浏览器环境）

两行调用就能拿到全部死亡事件的坐标与回合数，示例可参考 examples/get_all_events/main.py 和 examples/get_all_events/index.js。

📊 为什么是 6 秒解析 50 场比赛？

性能数据来自仓库自带的基准测试 benchmark/main.py，测试任务是"找出全部玩家死亡坐标"，样本是 50 场混合来源（MM、Faceit、HLTV）的录像，总大小 4.6GB：

两台设备都跑 Ubuntu，Python 和 JS 调用速度基本一致。

这个速度的核心来源有三个：

1. Rust 承担全部重活：解析器底层用 Rust 编写（核心代码在 src/parser/，另有 src/csgoproto/ 处理协议层），Python/JS 只是"遥控器"，没有传统脚本语言逐帧循环的开销。
2. 多线程分段解析：录像被切成多个片段并行处理，再合并输出。
3. 持续的工程化优化：仓库里有一份性能档案 PARSE_SPEEDUP_BASELINE.md，记录了逐项剖析、逐项修复的过程——比如消除字段级事件缓冲的重复分配、把字符串匹配改成数字 ID 分发、用"移动"替代整表克隆、把多线程合并改造成并行 concat。优化后整体提速约3 倍，且输出结果逐字节一致（见 PARSE_SPEEDUP_BASELINE.md 中的对比表）。

换句话说，快不是玄学，而是"选对语言 + 并行化 + 对着 Profiler 优化"这套组合拳的结果。

🗂️ 能解析出哪些数据？

字段覆盖面相当宽，完整清单见 README.md，大致分为几类：

• 玩家数据：位置 (X/Y/Z)、血量、等级、经济、瞄准角度、护甲、是否处于投掷物伤害区、每把武器的 float 值等 100+ 字段
• 按键状态：前后左右、开火、换弹、蹲下等按钮的逐 Tick 状态
• 对局状态：比分、回合胜负原因、暂停剩余时间、买枪期状态
• 武器信息：弹药、皮肤、贴纸、消音器状态等
• 聚合统计：每回合更新一次的总击杀、总伤害、ACE 次数等
• 语音数据：parse_voice()可以导出每位玩家的语音包（示例见 examples/voice_to_wav/main.py），配合解码库就能还原成 wav 文件

几个典型用法示例：

🧩 Python、JavaScript、WASM 三端通用

demoparser 不只一个入口：

• Python 包：src/python/，通过 PyPI 的demoparser2分发，类型声明文件 demoparser2.pyi 可以直接被 IDE 识别
• Node.js 包：src/node/，提供预编译的各平台二进制（Windows/macOS/Linux 均覆盖），类型定义见 index.d.ts
• WASM 版本：src/wasm/，可以在浏览器里直接解析录像，src/wasm/www/ 内还附带了一个网页 Demo

也就是说，同一套 Rust 内核，数据科学家用 Python 做分析，前端工程师用 JS 做可视化，大家"各取所需"。API 细节可查阅 documentation/python/README.md 与 documentation/js/README.md。

🏁 小结

demoparser 给 CS2 录像分析提供了一个非常实用的组合：

• 查询式 API：写起来像 SQL，拿到的就是 DataFrame / JSON
• Rust 内核 + 多线程：6 秒解析 50 场比赛不是极限测试，而是可复现的日常水平
• 字段全：从坐标、按键到语音包基本都能挖出来
• 多语言接入：Python、Node.js、WASM 三端同一套能力

如果你手上有一批 CS2 录像想要做数据统计、训练选手行为模型，或者做一个赛事数据网站，不妨从pip install demoparser2开始试一下。

• 数据分析
• 游戏开发