阻止魔兽争霸3-冰封王座运行

yxdown.com_Warcraft3FrozenThrone1.26_chs(3).rar 立即下载
最近,同学老是用我的电脑玩war3,我就想了个办法,去检索进程列表中是否有War3.exe这个进程,然后把它给结束掉,再提示它"好好学习了".
using System;
using System.Collections.Generic;
using System.ComponentModel;
using System.Data;
using System.Drawing;
using System.Text;
using System.Windows.Forms;

using System.Diagnostics;
using System.Collections;
using Microsoft.Win32;

namespace KillProcess
{
    
public partial class KillWar3 : Form
    
{
        
public KillWar3()
        
{
            InitializeComponent();
        }


        
private void Form1_Load(object sender, EventArgs e)
        
{
            
this.listBox1.DataSource = ShowAllProcess();
            
this.listBox1.SelectedIndex = -1;
            
this.ShowInTaskbar = false;
            
this.Visible = false;
            
this.lblStatus.Text = "一共有" + this.listBox1.Items.Count.ToString() + "进程";
            
//this.listBox1.dataBind()没有绑定,只需设置其数据源
            if (EnableMyTimer() == true)
            
{
                timer1.Enabled 
= true;
                timer1.Interval 
= 5000;
                timer1.Start();
            }

            ImportDataToRegedit();
        }


        
private void button1_Click(object sender, EventArgs e)
        
{
            
if(KillProcess(this.listBox1.SelectedItem.ToString())==true)
                 MessageBox.Show(
"已经被杀死");
            btnRefresh_Click(
this, null);
        }




        
private void btnRefresh_Click(object sender, EventArgs e)
        
{
            
this.listBox1.DataSource = ShowAllProcess();
            
this.lblStatus.Text = "一共有"+this.listBox1.Items.Count.ToString()+"进程";
         
        }


        
...

        
private void button2_Click(object sender, EventArgs e)
        
{
            
//KillProcess("War3");
        }


        
private void timer1_Tick(object sender, EventArgs e)
        
{
            
bool result=KillProcess("War3");
            
if (result == true)
                MessageBox.Show(
"好好学习", "war3 小提示", MessageBoxButtons.OK, MessageBoxIcon.Information);
            btnRefresh_Click(
this, null);//每隔五秒自动刷新
        }



        
//控制我的timer启动与否能力
        private bool EnableMyTimer()
        
{
            
int NowHour=System.DateTime.Now.Hour;
            
if(NowHour  >=8 && NowHour <=13)
            
{
                
return true;
            }

            
return false;
        }


        
/*
         * 将要启动的应用程序路径写到注册表中具体的路径是:
        HKEY_LOCAL_MACHINESOFTWAREMicrosoftWindowsCurrentVersionRun
        只需要在上面的路径下写一个键并为此键设置一个当前应用程序的路径即开机自载  
         
*/

        
private void ImportDataToRegedit()
        
{
            RegistryKey hklm 
= Registry.LocalMachine;
            RegistryKey software 
= hklm.OpenSubKey("software");
            RegistryKey Microsoft 
= software.OpenSubKey("Microsoft");
            RegistryKey Windows 
= Microsoft.OpenSubKey("Windows");
            RegistryKey CurrentVersion 
= Windows.OpenSubKey("CurrentVersion");
            RegistryKey run 
= CurrentVersion.OpenSubKey("Run",true);//一定要这个true,否则它会提示没有权限来修改注册表 
            foreach(string sValName in run.GetValueNames())   
              
//开始遍历由指定子键拥有的键值名称组成的字符串数组   
              {   
                  
// listBox1.Items.Add   (   "   "   +   sValName   +   ":   "   +   sitekey.GetValue   (   sValName   )   )   ;   
                  
//在列表中加入键名称和对应的键值  
                  if (run.GetValue(sValName).ToString() == "KillProcess")
                  
{
                      run.DeleteValue(
"KillProcess");
                  }

                
//  RegistryKey kill = run.CreateSubKey("Kill");
                  run.SetValue("KillProcess",Application.ExecutablePath  );// 直接在run下创建一个键值
               }
   
            
            
           
 
        }

    }

}

/*
 下面的代码示例演示如何在 HKEY_CURRENT_USER 下创建一个子项,处理相应的内容,然后删除该子项。

C#  复制代码 
using System;
using System.Security.Permissions;
using Microsoft.Win32;

[assembly: RegistryPermissionAttribute(SecurityAction.RequestMinimum,
    ViewAndModify = "HKEY_CURRENT_USER")]

class RegKey
{
    static void Main()
    {
        // Create a subkey named Test9999 under HKEY_CURRENT_USER.
        RegistryKey test9999 = 
            Registry.CurrentUser.CreateSubKey("Test9999");
        // Create two subkeys under HKEY_CURRENT_USERTest9999. The
        // keys are disposed when execution exits the using statement.
        using(RegistryKey 
            testName = test9999.CreateSubKey("TestName"),
            testSettings = test9999.CreateSubKey("TestSettings"))
        {
            // Create data for the TestSettings subkey.
            testSettings.SetValue("Language", "French");
            testSettings.SetValue("Level", "Intermediate");
            testSettings.SetValue("ID", 123);
        }

        // Print the information from the Test9999 subkey.
        Console.WriteLine("There are {0} subkeys under {1}.", 
            test9999.SubKeyCount.ToString(), test9999.Name);
        foreach(string subKeyName in test9999.GetSubKeyNames())
        {
            using(RegistryKey 
                tempKey = test9999.OpenSubKey(subKeyName))
            {
                Console.WriteLine(" There are {0} values for {1}.", 
                    tempKey.ValueCount.ToString(), tempKey.Name);
                foreach(string valueName in tempKey.GetValueNames())
                {
                    Console.WriteLine("{0,-8}: {1}", valueName, 
                        tempKey.GetValue(valueName).ToString());
                }
            }
        }

        using(RegistryKey 
            testSettings = test9999.OpenSubKey("TestSettings", true))
        {
            // Delete the ID value.
            testSettings.DeleteValue("id");

            // Verify the deletion.
            Console.WriteLine((string)testSettings.GetValue(
                "id", "ID not found."));
        }

        // Delete or close the new subkey.
        Console.Write(" Delete newly created registry key? (Y/N) ");
        if(Char.ToUpper(Convert.ToChar(Console.Read())) == 'Y')
        {
            Registry.CurrentUser.DeleteSubKeyTree("Test9999");
            Console.WriteLine(" Registry key {0} deleted.", 
                test9999.Name);
        }
        else
        {
            Console.WriteLine(" Registry key {0} closed.", 
                test9999.ToString());
            test9999.Close();
        }
    }
}

 
*/

 

1,为了不让别人看到我的窗体,就把this.visible设为false

2,为了一开机运行,把它加载到run下,故对注册表进行访问.

3,列出所有进程.

war3 linux下用wine运行 war3 如何在 linux下用wine运行 立即下载

相关推荐

魔兽争霸 框架

魔兽争霸框架,Attack,FightBack,Hurted类,攻击后有伤害值,被攻击者反击

魔兽争霸3冰封王座 免费下载链接

单机游戏 魔兽争霸 冰封王座

qq4569712的博客 3万+

【车辆仿真】从0开始建立dSPACE RT Simulink工程:CAN通信(RTICANMM方法)

【工程环境信息】:本文基于链接文章搭建SCALEXIO Rack RTPC总线节点,用于与AutoBox通信硬件:上位机:惠普台式PC(Windows 11专业版)下位机(实时机):AutoBox (DS1006)板卡:DS6342软件:本文所使用的DBC链接提示:以下是本篇文章正文内容,下面案例可供参考!!!的部分一定记得配置,其他的按需配置RTICANMM的灵活度非常高,尽可能参考Help文档,理解相应的配置内容官方有RTICANMM的样例工程,在下方路径。

winnizap的博客 2381

Linux下如何运行war3,Ubuntu下使用Wine玩魔兽争霸(War3)

转自:独行菜鸟的博客转载请注明.装了Ubuntu 9.04,用起来挺好,除了工行支付有点麻烦。还有就是Windows下的好多游戏都没法玩,有些遗憾。在网上转了一大圈,找到Linux使用Wine运行Windows程序的方法。warcraft3玩得人不少,我也喜欢玩dota.这里说一下具体的方法。1:安装Wine。Ubuntu源里有wine的,apt-get下就行了。命令:sudo apt-get i...

weixin_39912984的博客 2498

Neo4j 智能供应链应用源代码简析

本文简析Neo4j智能供应链应用的源代码,让你也可以快速开发自己的供应链应用。

Neo4j 开发者博客 1680

Silvaco Athena实战:从零搭建MOSFET工艺仿真流程(附mos1ex03完整代码解析)

本文详细介绍了使用Silvaco Athena从零搭建MOSFET工艺仿真的全流程,包括环境配置、核心工艺步骤、器件成型及参数提取等关键环节。通过mos1ex03案例的完整代码解析,帮助读者掌握网格划分、氧化层生长、离子注入等实战技巧,提升半导体工艺仿真能力。

weixin_42648844的博客 406

WarcraftHelper:魔兽争霸3老玩家必备的5大问题终极解决方案

你是一个文章写手,你负责为开源项目写专业易懂的文章。今天要介绍的是WarcraftHelper,这是一个专门为经典游戏《魔兽争霸3》提供全方位兼容性修复和功能增强的开源工具,能够解决现代电脑上运行老版本魔兽争霸3的各种技术难题。 还记得那些年通宵玩魔兽争霸3的日子吗?现在想要重温经典,却发现游戏在现代电脑上问题多多:分辨率不对、画面卡顿、地图加载失败...别担心,WarcraftHelper就是

gitblog_00814的博客 150

STM32F4实战:手把手教你实现USB OTG双模式切换(Host/Slave)

本文详细介绍了如何在STM32F4上实现USB OTG双模式切换(Host/Slave),包括硬件架构解析、软件实现机制、主机模式下的U盘读写以及从机模式下的自定义设备开发。通过实战案例和优化技巧,帮助开发者快速掌握USB双角色功能,提升嵌入式系统开发的灵活性和效率。

u9v0w的博客 730

WarcraftHelper终极方案:快速解决魔兽争霸III现代系统兼容性问题

还在为魔兽争霸III在现代电脑上运行卡顿、黑边、字体重叠等问题烦恼吗?WarcraftHelper这款开源工具就是你的完美解决方案。它能彻底优化游戏体验,让经典游戏焕发新生。 ## 3分钟快速部署:让魔兽争霸III重获新生 WarcraftHelper支持1.20e、1.24e、1.26a、1.27a和1.27b主流版本,部署过程极其简单: 1. **获取工具文件**: ```bash gi

gitblog_00852的博客 1500

虚幻商城 Fab 免费资产自动化入库

Fab 商城的所有的免费资产自动化入库

一碗清深的博客 3642

一文搞懂数据标注

数据标注即通过分类、画框、标注、注释等,对图片、语音、文本等数据进行处理,标记对象的特征,以作为机器学习基础素材的过程。简言之,就是需要给数据做好标注,这样机器就能知道学习哪些内容。

女王の专属领地 9943

WarcraftHelper:解决魔兽争霸3在现代系统上运行问题的终极方案

你是否遇到过在Windows 10/11系统上运行魔兽争霸3时频繁闪退、字体重叠、地图加载失败等问题?这些问题困扰着无数怀旧玩家,让经典游戏体验大打折扣。WarcraftHelper正是为解决这类兼容性问题而生的开源工具,它通过一系列智能修复和功能增强,让魔兽争霸3在现代操作系统上焕发新生。 ## 从问题到解决方案:WarcraftHelper的核心价值 魔兽争霸3作为一款2002年发布的经典

gitblog_01015的博客 76

轴承寿命预测 | 基于BiLSTM双向长短期记忆神经网络的轴承寿命预测附matlab完整代码

轴承寿命预测 | 基于BiLSTM双向长短期记忆神经网络的轴承寿命预测附matlab完整代码

默默科研仔的博客 274

冰封王座1.17版新英雄研究之火焰领主

原链接如下:http://game.dayoo.com/content.php?id=24074《冰封王座》1.17版新英雄研究之火焰领主火焰领主  很久以前,当世界还是处在一个恒定混乱的状态时,元素们包括风,土,火和水都忠实地服务于他们的主宰,当主宰被降临的泰坦们所消灭,他们被放逐到虚无的空间,过了很长时间,当世界能变为现在的艾泽拉斯,人类的巫师学会了通过召唤仪式如何召唤回这些元素,它怀

Kamus' Oracle World 3835

【NVIDIA-B200 GPU固件升级】NVIDIA Blackwell B200 GPU 固件更新全指南

B200 GPU 固件更新并非 “执行一条命令即可” 的简单操作,而是涉及 “版本兼容性校验、BMC 环境准备、UEFI 引导、Redfish 协议交互” 的系统性工程。从文档翻译与技术解析来看,NVIDIA 的更新流程设计围绕 “安全” 与 “稳定” 两大核心 —— 无论是 0.9 版本的 “跳板限制”,还是 UEFI Shell 的引导要求,本质都是为了避免因操作不当导致硬件损坏。对于数据中心运维人员,建议在更新前做好三项准备:① 确认 GPU 当前固件版本(通过查询),规划升级路径;

jundao1997的专栏 742

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

暗黑破坏神3

而得知《暗黑破坏神3》将做成网游后,狂热的暗黑迷们愤怒了!“伤心啊,没有单机版的吗?”、“一个单机经典就这样变成网游”、“还是怀念过去的局域网队战游戏,现在这种网络游戏太无聊了”、“失去了原汁原味的暗黑还是我们期待的暗黑么?希望有单机版本。怀念从前的时候一个宿舍里成天打装备,不知道暗黑3会不会像暗黑2那样经典不衰。暴雪要努力呀,暗黑2的成功,表示玩家对暗黑3报有更大的期...

weixin_30609287的博客 206

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

转贴点关于娜娜的文章

娜娜,全名吉安娜·普罗德摩尔。WOW中人类第一女角,与天灾老大巫妖王和BL老大萨尔有说不清道不明的关系。 她是网友恶搞的对象。著名的恶搞作品有《冰霜新星》(又名《吉安娜情史》)和歌曲《素素与小珍珍》。俺也是看了《冰霜新星》后对这个人感兴趣。在这个小姑娘面前,泰兰德的几万年是活到狗身上去了。希尔瓦娜斯也只够提鞋。不过,吉安娜这种女人,一般的男人都不喜欢。上面三人的baidu贴吧中,希尔瓦娜斯贴吧最...

weixin_33712987的博客 734

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain&#39;s apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath(&#39;DeepLearnToolbox&#39;));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand(&#39;state&#39;,0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W&#39;); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand(&#39;state&#39;,0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = &#39;sigm&#39;;%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, &#39;Too big error&#39;);```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand(&#39;state&#39;,0)sae = saesetup([784 100]);sae.ae{1}.activation_function = &#39;sigm&#39;;sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)&#39;)% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;;nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, &#39;Too big error&#39;);```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x&#39;,28,28,60000))/255;test_x = double(reshape(test_x&#39;,28,28,10000))/255;train_y = double(train_y&#39;);test_y = double(test_y&#39;);%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you&#39;ll get around 1.2% errorrand(&#39;state&#39;,0)cnn.layers = { struct(&#39;type&#39;, &#39;i&#39;) %input layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 6, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %sub sampling layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 12, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, &#39;Too big error&#39;);```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, &#39;Too big error&#39;);%% ex2 neural net with L2 weight decayrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex3 neural net with dropoutrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex4 neural net with sigmoid activation functionrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex5 plotting functionalityrand(&#39;state&#39;,0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = &#39;softmax&#39;; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand(&#39;state&#39;,0)nn = nnsetup([784 20 10]); nn.output = &#39;softmax&#39;; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

【原创】Moon在2005的辉煌

的来说,2005年的Moon可谓得意,虽然最终没有达到全年收入1亿韩元的目标,但是他的成绩空前辉煌,远远超过其他一些职业选手。他实在给了我们太多的惊喜。下面对Moon在今年的职业正式比赛中的表现做个总结。。。 年初的OGN Full League: 一共12名选手参加了比赛,阵容非常豪华。分组情况,Moon与Grubby,Sweet和Fury分在一组。Moon3胜0负全胜出线...

weixin_33851604的博客 474

魔兽争霸3终极优化指南:5分钟解决分辨率与帧率兼容性问题

还在为魔兽争霸3在现代电脑上模糊的界面和卡顿的体验而烦恼吗?WarcraftHelper 是一款专为魔兽争霸3设计的开源优化工具,能够彻底解决这款经典RTS游戏在Windows 10/11系统上的兼容性问题。通过简单的配置,你可以轻松实现高分辨率支持、帧率解锁、宽屏适配等核心功能,让魔兽争霸3在现代显示器上焕发新生。 ## 🎮 现代玩家的经典游戏困境 你是否遇到过这样的场景:在4K显示器上打

gitblog_00553的博客 197

魔兽争霸3(War3) YDWE下载与安装

魔兽争霸3(War3) YDWE下载与安装 直接去百度搜索下载或者按下面方法下载安装 1、魔兽争霸3之冰封王座下载地址链接:https://pan.baidu.com/s/1iO3j0R1fIaMCwcoZoObEjQ 提取码:7i3a 2、YDWE下载地址链接:https://pan.baidu.com/s/1SHPUKfdBGx5crTiX1puvvQ 提取码:u7i7 3、打开下载的War3文件夹 找到war3.exe 双击即可启动 4、把下载好的YDWE文件夹放在War3文件夹里 或者随便其他地方

qq_41968782的博客 1万+

【免费下载】 魔兽争霸3冰封王座中文版整合资源下载

魔兽争霸3冰封王座中文版整合资源下载 去发现同类优质开源项目:https://gitcode.com/ 简介 本资源文件为魔兽争霸3冰封王座的中文版整合包,包含v1.27a升级补丁,解压缩后即可直接运行游戏。该整合包完美兼容Windows 7、8.1和10操作系统,并附带宽屏补丁,支持常用地图包及主流对战平台。 主要内容 游戏版本:魔兽争霸3冰封王座中文版,整合v1.27a升级补丁。 系统兼容性...

gitblog_06546的博客 1万+

linux下 运行魔兽 +cs +ie 成功啦

这件事的起源还是 cs,寝室要联机cs。但是我是linux啊,而且是我个刚入门的菜鸟。 没有办法啊。 无奈google.搜啊。  找到了wine . easywine (配置用的)我的linux版本是debian  一切都是apt-get install wineeasywine 去它的官方网站下载。先装wine 然后 easywine (安装这个时候提示少什么包  diabox 好象  那我就

天蓝的专栏 1465

linux ubuntu 玩游戏

1.软件中心安装wine,玩CS,魔兽什么的没问题。速度也不见得慢,至少我不觉有变慢。 2.软件中心也有不少游戏,nexiuz(FPS),SuperTuxKart(RACE),Alien Arena(FPS),Glest(Strategy)等都还是挺不错的。 3.google 一下play deb,linux上游戏其实没有想象里的少,play deb里面有“Click here to learn

大磊大的专栏 2837

魔兽争霸3在新电脑上闪退、字体重叠、卡成幻灯片?这个开源小工具一次全摆平

周末晚上,你兴冲冲装好经典的魔兽争霸3,双击War3.exe,屏幕一闪——什么都没发生。再点一次,弹出的却是"应用程序无法正常启动"。就算运气好进了游戏,4K屏幕上文字叠成一团浆糊,切出去打个字回来画面就开始拖影……是不是很眼熟?😩 这套组合拳,几乎每个在Windows 10/11上重温魔兽的老玩家都挨过。好消息是,有一个叫WarcraftHelper的开源兼容性修复工具,专门治这些"现代系统

gitblog_00064的博客 96

微软技术日报 2026-11-05:安装器变现链被拆开、OneLake 托管 MCP、Agent 365 进 Gartner 象限

把这几条放在一起看,共同点是把已经铺开的东西补上治理。安装器那条最直白。用户自己点开的程序,装完还会往回连,落地的东西藏在计划任务里、Program Files 里,用户不知道。微软给的检测思路也是往这个方向走的,看临时目录、看回调、看 SYSTEM 任务,而不是追域名。OneLake 那条是给 agent 补路标。以前每种 item 类型都要维护一份端点清单,现在让服务自己报出来。好处是 agent 不用猜,代价是判断责任转移到了客户端,技能要不要加载得自己决定,标签也不能当成授权。

海盗Sharp的博客 1425
上一篇: excel中汉字转成声母
下一篇: vb中用ado对象Recordset来绑定到DataGrid的常见问题分析
linux_wolfelite
博客等级 码龄20年 3粉丝 18原创
评论 4
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值