1.eval(function(p,a,c,k,e,r)解密 帮我解下jascript代码
2.使用Node.js如何实现K最近邻分类算法
3.高中信息学联赛经典题型(pascal)
4.正规足球比赛经常会换人，每支球队有多少次换人名额？
5.足球狂欢2.5。中国风暴。里面的妖人都有那些?
eval(function(p,a,c,k,e,r)解密 帮我解下jascript代码
最前面是不是多复制了个分号，是的话去掉
;?(function($)?{
$.fn.sticklr?=?function(m)?{
var?n?=?{
animate:?false,
colWidth:?'180px',
relativeGap:?15,
relativeTo:?'center',
showOn:?'click',
size:?16,
stickTo:?'left'
};
var?o?=?{
init:?function(l)?{
return?this.each(function()?{
var?f?=?$(this);
var?g?=?$.extend({},
n,?l);
if?(g.animate?&&?$(window).height()?<=?320)?{
g.animate?=?false
};
var?h?=?p.calcTop(g.animate,?g.relativeTo,?g.relativeGap,?f.height());
if?(!f.hasClass('sticklr'))?f.addClass('sticklr');
if?(g.stickTo?==?'right')?f.addClass('sticklr-right');
if?(g.showOn?==?'hover')?g.showOn?=?'mouseenter';
f.addClass('sticklr-js').css({
'position':?(g.animate?'absolute':?'fixed'),
'top':?h,
'width':?parseInt(g.size)?+?8
}).data('props',?g).find('a[href="#"]').bind('click',?
function(e)?{
e.preventDefault()
}).end().children('li').css({
'height':?parseInt(g.size)?+?8
}).children('a').css({
'height':?g.size,
'width':?g.size
}).bind('click',?
function()?{
o.hide()
}).bind(g.showOn,?
function()?{
if?(!$(this).siblings().hasClass('sticklr-active'))?{
o.hide();
var?d?=?$(this).siblings('ul').length?('class="sticklr-arrow"?style="'?+?((g.stickTo?==?'left')?'left:':?'right:')?+?(parseInt(g.size)?+?8)?+?'px;top:'?+?(parseInt(g.size)?/?2)?+?'px"')?:?'';
$(this).end('<span?'?+?d?+?'></span>').siblings().each(function()?{
$(this).css({
'margin-left':?parseInt(g.size)?+?34,
'margin-right':?parseInt(g.size)?+?34,
'opacity':?0,
'position':?'absolute',
'top':?0
}).show();
var?a?=?$(this).height()?+?$(this).offset().top;
var?b?=?$(window).height()?+?$(window).scrollTop();
var?c?=?0;
if?(a?>?b)?{
c?=?parseInt($(this).css('top'),?10)?-?(a?-?b)
};
$(this).css({
'top':?c
}).animate({
'margin-left':?parseInt(g.size)?+?4,
'margin-right':?parseInt(g.size)?+?4,
'opacity':?1.0
},
200)
}).addClass('sticklr-active')
};
if?($(this).attr('href')?==?'#')?{
return?false
}
});
if?($.browser.msie?||?g.colWidth?!=?n.colWidth)?{
for?(var?i?=?2;?i?<?10;?i++)?{
var?j?=?23?+?i?+?(parseInt(g.colWidth,?10)?*?(i?-?2));
var?k?=?'auto';
if?(g.stickTo?==?'right')?{
k?=?j;
j?=?'auto'
};
f.find('li').find('ul:nth-child('?+?i?+?')').css({
'left':?j,
'right':?k,
'width':?g.colWidth
})
}
}
})
},
hide:?function()?{
var?a?=?$('.sticklr-active').css('margin-left');
var?b?=?$('.sticklr-active').css('margin-right');
$('.sticklr-active').animate({
'margin-left':?parseInt(a)?+?14,
'margin-right':?parseInt(b)?+?14,
'opacity':?0
},
200,?
function()?{
$(this).removeClass('sticklr-active').hide()
});
$('span.sticklr-arrow').remove()
}
};
var?p?=?{
calcTop:?function(a,?b,?c,?h)?{
if?(/top|high/i.test(b))?{
return?(a?$(window).scrollTop()?:?0)?+?c
}?else?if?(/bottom|low|ground/i.test(b))?{
return?(a?($(window).scrollTop()?+?$(window).height()?-?h)?:?($(window).height()?-?h))?-?c
}?else?{
return?a?($(window).scrollTop()?+?(($(window).height()?-?h)?/?2))?:?(($(window).height()?-?h)?/?2)
}
},
fixPos:?function()?{
$('.sticklr').each(function()?{
var?a?=?$(this).data('props').relativeTo;
var?b?=?$(this).data('props').relativeGap;
var?h?=?$(this).height();
if?($(this).css('position')?==?'absolute')?{
$(this).stop().animate({
'top':?p.calcTop(true,?a,?b,?h)
},
1000)
}?else?{
$(this).css({
'top':?p.calcTop(false,?a,?b,?h)
})
}
})
}
};
$(window).bind({
resize:?p.fixPos,
scroll:?p.fixPos
});
$(document).bind('click',?
function(e)?{
if?(!$(e.target).parents().hasClass('sticklr'))?{
o.hide()
}
});
if?(o[m]?&&?m.toLowerCase()?!=?'init')?{
return?o[m].ly(this,?Array.prototype.slice.call(arguments,?1))
}?else?if?(typeof?m?===?'object'?||?!m)?{
return?o.init.ly(this,?arguments)
}?else?{
$.error('Method?"'?+?m?+?'"?does?not?exist?in?Sticklr')
}
}
})(jQuery);
使用Node.js如何实现K最近邻分类算法
源于数据挖掘的一个作业， 这里用Node.js技术来实现一下这个机器学习中最简单的算法之一k-nearest-neighbor算法(k最近邻分类法)。
k-nearest-neighbor-classifier
还是先严谨的介绍下。急切学习法（eager learner）是在接受待分类的新元组之前就构造了分类模型，学习后的模型已经就绪，急着对未知的元组进行分类，所以称为急切学习法，诸如决策树归纳，贝叶斯分类等都是急切学习法的例子。惰性学习法（lazy learner）正好与其相反，直到给定一个待接受分类的新元组之后，才开始根据训练元组构建分类模型，在此之前只是存储着训练元组，所以称为惰性学习法，惰性学习法在分类进行时做更多的工作。
本文的knn算法就是一种惰性学习法，它被广泛应用于模式识别。knn基于类比学习，将未知的新元组与训练元组进行对比，搜索模式空间，找出最接近未知元组的k个训练元组，这里的k即是knn中的k。这k个训练元祖就是待预测元组的k个最近邻。
balabala了这么多，是不是某些同学想大喊一声..speak Chinese! 还是来通俗的解释下，然后再来看上面的理论应该会明白很多。小时候妈妈会指着各种各样的东西教我们，这是小鸭子，这个红的是苹果等等，那我们哼哧哼哧的看着应答着，多次被教后再看到的时候我们自己就能认出来这些事物了。主要是因为我们在脑海像给这个苹果贴了很多标签一样，不只是颜色这一个标签，可能还有苹果的形状大小等等。这些标签让我们看到苹果的时候不会误认为是橘子。其实这些标签就对应于机器学习中的特征这一重要概念，而训练我们识别的过程就对应于泛化这一概念。一台iphone戴了一个壳或者屏幕上有一道划痕，我们还是能认得出来它，这对于我们人来说非常简单，但蠢计算机就不知道怎么做了，需要我们好好调教它，当然也不能过度调教2333，过度调教它要把其他手机也认成iphone那就不好了，其实这就叫过度泛化。
所以特征就是提取对象的信息，泛化就是学习到隐含在这些特征背后的规律，并对新的输入给出合理的判断。
我们可以看上图，绿色的圆代表未知样本，我们选取距离其最近的k个几何图形，这k个几何图形就是未知类型样本的邻居，如果k=3，我们可以看到有两个红色的三角形，有一个蓝色的三正方形，由于红色三角形所占比例高，所以我们可以判断未知样本类型为红色三角形。扩展到一般情况时，这里的距离就是我们根据样本的特征所计算出来的数值，再找出距离未知类型样本最近的K个样本，即可预测样本类型。那么求距离其实不同情况适合不同的方法，我们这里用欧式距离。
综上所述knn分类的关键点就是k的选取和距离的计算。
2. 实现
我的数据是一个xls文件，那么我去npm搜了一下选了一个叫node-xlrd的包直接拿来用。
// node.js用来读取xls文件的包
var xls = require('node-xlrd');
然后直接看文档copy实例即可，把数据解析后插入到自己的数据结构里。
var data = [];// 将文件中的数据映射到样本的属性var map = ['a','b','c','d','e','f','g','h','i','j','k'];// 读取文件
xls.open('data.xls', function(err,bk){
if(err) {console.log(err.name, err.message); return;}
var shtCount = bk.sheet.count;
for(var sIdx = 0; sIdx < shtCount; sIdx++ ){
var sht = bk.sheets[sIdx],
rCount = sht.row.count,
cCount = sht.column.count;
for(var rIdx = 0; rIdx < rCount; rIdx++){
var item = {};
for(var cIdx = 0; cIdx < cCount; cIdx++){
item[map[cIdx]] = sht.cell(rIdx,cIdx);
}
data.push(item);
}
}
// 等文件读取完毕后 执行测试
run();
});
然后定义一个构造函数Sample表示一个样本，这里是把刚生成的数据结构里的对象传入，生成一个新的样本。
// Sample表示一个样本
var Sample = function (object) {
// 把传过来的对象上的属性克隆到新创建的样本上
for (var key in object)
{
// 检验属性是否属于对象自身
if (object.hasOwnProperty(key)) {
this[key] = object[key];
}
}
}
再定义一个样本集的构造函数
// SampleSet管理所有样本 参数k表示KNN中的kvar SampleSet = function(k) {
this.samples = [];
this.k = k;
};
// 将样本加入样本数组
SampleSet.prototype.add = function(sample) {
this.samples.push(sample);
}
然后我们会在样本的原型上定义很多方法，这样每个样本都可以用这些方法。
// 计算样本间距离 用欧式距离
Sample.prototype.measureDistances = function(a, b, c, d, e, f, g, h, i, j, k) {
for (var i in this.neighbors)
{
var neighbor = this.neighbors[i];
var a = neighbor.a - this.a;
var b = neighbor.b - this.b;
var c = neighbor.c - this.c;
var d = neighbor.d - this.d;
var e = neighbor.e - this.e;
var f = neighbor.f - this.f;
var g = neighbor.g - this.g;
var h = neighbor.h - this.h;
var i = neighbor.i - this.i;
var j = neighbor.j - this.j;
var k = neighbor.k - this.k;
// 计算欧式距离
neighbor.distance = Math.sqrt(a*a + b*b + c*c + d*d + e*e + f*f + g*g + h*h + i*i + j*j + k*k);
}
};
// 将邻居样本根据与预测样本间距离排序
Sample.prototype.sortByDistance = function() {
this.neighbors.sort(function (a, b) {
return a.distance - b.distance;
});
};
// 判断被预测样本类别
Sample.prototype.guessType = function(k) {
// 有两种类别 1和-1
var types = { '1': 0, '-1': 0 };
// 根据k值截取邻居里面前k个
for (var i in this.neighbors.slice(0, k))
{
var neighbor = this.neighbors[i];
types[neighbor.trueType] += 1;
}
// 判断邻居里哪个样本类型多
if(types['1']>types['-1']){
this.type = '1';
} else {
this.type = '-1';
}
}
注意到我这里的数据有a-k共11个属性，样本有1和-1两种类型，使用truetype和type来预测样本类型和对比判断是否分类成功。
最后是样本集的原型上定义一个方法，该方法可以在整个样本集里寻找未知类型的样本，并生成他们的邻居集，调用未知样本原型上的方法来计算邻居到它的距离，把所有邻居按距离排序，最后猜测类型。
// 构建总样本数组，包含未知类型样本
SampleSet.prototype.determineUnknown = function() {
for (var i in this.samples)
{
// 如果发现没有类型的样本
if ( ! this.samples[i].type)
{
// 初始化未知样本的邻居
this.samples[i].neighbors = [];
// 生成邻居集
for (var j in this.samples)
{
// 如果碰到未知样本 跳过
if ( ! this.samples[j].type)
continue;
this.samples[i].neighbors.push( new Sample(this.samples[j]) );
}
// 计算所有邻居与预测样本的距离
this.samples[i].measureDistances(this.a, this.b, this.c, this.d, this.e, this.f, this.g, this.h, this.k);
// 把所有邻居按距离排序
this.samples[i].sortByDistance();
// 猜测预测样本类型
this.samples[i].guessType(this.k);
}
}
};
最后分别计算10倍交叉验证和留一法交叉验证的精度。
留一法就是每次只留下一个样本做测试集，其它样本做训练集。
K倍交叉验证将所有样本分成K份，一般均分。取一份作为测试样本，剩余K-1份作为训练样本。这个过程重复K次，最后的平均测试结果可以衡量模型的性能。
k倍验证时定义了个方法先把数组打乱随机摆放。
// helper函数 将数组里的元素随机摆放
function ruffle(array) {
array.sort(function (a, b) {
return Math.random() - 0.5;
})
}
剩余测试代码好写，这里就不贴了。
测试结果为
用余弦距离等计算方式可能精度会更高。
3. 总结
knn算法非常简单，但却能在很多关键的地方发挥作用并且效果非常好。缺点就是进行分类时要扫描所有训练样本得到距离，训练集大的话会很慢。
可以用这个最简单的分类算法来入高大上的ML的门，会有点小小的成就感。
高中信息学联赛经典题型(pascal)
第八届全国青少年信息学奥林匹克联赛（NOIP2002）初赛试题
（提高组 PASCAL语言 二小时完成）
审定：全国青少年信息学奥林匹克竞赛科学委员会
主管：中国科协、教育部
主办：中国计算机学会
承办：江苏省科协青少年科技中心
●●全部试题答案均要求写在答卷纸上，写在试卷纸上一律无效●●
一． 选择一个正确答案代码（A/B/C/D），填入每题的括号内（每题1.5分，多选无分，共30分）
1． 微型计算机的问世是由于（ ）的出现。
A）中小规模集成电路 B）晶体管电路 C）（超）大规模集成电路 D）电子管电路
2． 中央处理器（CPU）能访问的最大存储器容量取决于（ ）。
A）地址总线 B）数据总线 C）控制总线 D）实际内存容量
3． 十进制书11/128可用二进制数码序列表示为：（ ）。
A）1011/1000000 B）1011/100000000 C）0.001011 D）0.0001011
4． 算式（2047）10 －（3FF）16 ＋（2000）8的结果是（ ）。
A）（2048）10 B）（2049）10 C）（3746）8 D）（1AF7）16
5． 已知x =（0.1011010）2 ，则[ x / 2 ]补 =（ ）2 。
A）0.1011101 B）11110110 C）0.0101101 D）0.100110
6． IPv4地址是由（ ）位二进制数码表示的。
A）16 B）32 C）24 D）8
7． 计算机传染的必要条件是：（ ）。
A）在内存中运行程序 B）对磁盘进行读写操作
C）在内存中运行含有的可执行的程序 D）复制文件
8． 在磁盘上建立子目录有许多优点，下列描述中不属于建立子目录优点的是（ ）。
A）便于文件管理 B）解决根目录中目录项个数有限问题
C）加快文件查找速度 D）节省磁盘使用空间
9． 在使用E-mail前，需要对Outlook进行设置，其中ISP接收电子邮件的服务器称为（ ）服务器。
A）POP3 B）SMTP C）DNS D）FTP
10．多媒体计算机是指（ ）计算机。
A）专供家庭使用的 B）装有CD-ROM的
C）连接在网络上的高级 D）具有处理文字、图形、声音、影像等信息的
11．微型计算机中，（ ）的存取速度最快。
A）高速缓存 B）外存储器 C）寄存器 D）内存储器
12．管理器的目录前图标中增加“+”号，这个符号的意思是（ ）。
A）该目录下的子目录已经展开 B）该目录下还有子目录未展开
C）该目录下没有子目录 D）该目录为空目录
13．在WORD文档编辑中实现图文混合排版时，关于文本框的下列叙述正确的是（ ）。
A）文本框中的图形没有办法和文档中输入文字叠加在一起，只能在文档的不同位置
B）文本框中的图形不可以衬于文档中输入的文字的下方
C）通过文本框，可以实现图形和文档中输入的文字的叠加，也可以实现文字环绕
D）将图形放入文本框后，文档中输入的文字不能环绕图形
14．一个向量第一个元素的存储地址是100，每个元素的长度是2，则地5个元素的地址是（ ）。
A）110 B）108 C）100 D）109
15．已知A = 35H，A /\ 05H \/ A /\ 30H 的结果是：（ ）。
A）30H B）05H C）35H D）53H
16．设有一个含有13个元素的Hash表（0 ~ 12），Hash函数是：H（key）= key % 13，，其中%是求余数运算。用线性探查法解决冲突，则对于序列（2、8、31、20、19、18、53、27），18应放在第（ ）号格中。
A）5 B）9 C）4 D）0
17．按照二叉数的定义，具有3个结点的二叉树有（ ）种。
A）3 B）4 C）5 D）6
18．在一个有向图中，所有顶点的入度之和等于所有顶点的出度之和的（ ）倍。
A）1/2 B）1 C）2 D）4
19．要使1 ．．．8号格字的访问顺序为：8、2、6、5、7、3、1、4，则下图中的空格中应填入（ ）。
1 2 3 4 5 6 7 8
4 6 1 -1 7 3 2
A）6 B）0 C）5 D）3
20．设栈S和队列Q的初始状态为空，元素e 1 ，e 2 ，e 3 ，e 4 ，e 5 ，e 6依次通过栈S，一个元素出栈后即进入队列Q，若出队的顺序为e 2 ，e 4 ，e 3 ，e 6 ，e 5 ，e 1 ，则栈S的容量至少应该为（ ）。
A）2 B）3 C）4 D）5
二．问题求解：（6 + 8 = 14分）
1． 在书架上放有编号为1 ，2 ，．．．，n的n本书。现将n本书全部取下然后再放回去，当放回去时要求每本书都不能放在原来的位置上。例如：n = 3时：
原来位置为：1 2 3
放回去时只能为：3 1 2 或 2 3 1 这两种
问题：求当n = 5时满足以上条件的放法共有多少种？（不用列出每种放法）
2． 设有一棵k叉树，其中只有度为0和k两种结点，设n 0 ，n k ，分别表示度为0和度为k的结点个数，试求出n 0 和n k之间的关系（n 0 = 数学表达式，数学表达式仅含n k 、k和数字）。
三．阅读程序，写出正确的程序运行结果：（8 + 9 + 9 = 26分）
1． program Gxp1;
var i , n , jr , jw , jb : integer ;
ch1 : char ;
ch : array[1..20] of char ;
begin
readln(n);
for i:=1 to n do read(ch[i]);
jr:=1; jw:=n; jb:=n;
while (jr<=jw) do
begin
if (ch[jw]=’R’)
then begin
ch1:=ch[jr]; ch[jr]:=ch[jw]; ch[jw]:=ch1; jr:=jr+1;
end
else if ch[jw]=’W’
then jw:=jw-1;
else begin
ch1:=ch[jw]; ch[jw]:=ch[jb]; ch[jb]:=ch1; jw:=jw-1; jb:=jb-1;
end
end;
for i:=1 to n do write(ch[1]);
writeln;
end.
输入：10
RBRBWWRBBR
输出：
2． program Gxp2;
var i , j , s ,sp1 : integer ;
p : boolean ;
a : array[1..10] of integer ;
begin
sp1:=1; a[1]:=2; j:=2;
while sp1<10 do
begin
j:=j+1; p:=true;
for i:=2 to j-1 do
if (j mod i=0) then p:=false;
if p then begin
sp1:=sp1+1; a[sp1]:=j;
end;
end;
j:=2; p:=true;
while p do
begin
s:=1;
for i:=1 to j do s:=s*a[i];
s:=s+1;
for i:=2 to s-1 do
if s mod i=0 then p:=false;
j:=j+1;
end;
writeln(s); writeln;
end.
输出：
3． Program Gxp2
Var d1 , d2 , X , Min : real ;
begin
Min:=10000; X:=3;
while X<15 do
begin
d1:=sqrt(9+(X-3)*(X-3)); d2:=sqrt(36+(15-X)*(15-X));
if(d1+d2)<Min then Min:=d1+d2;
X:=x+0.001;
end;
writeln(Min:10:2);
end.
输出：
四．完善程序：（15 + 15 = 30分）
1． 问题描述：工厂在每天的生产中，需要一定数量的零件，同时也可以知道每天生产一个零件的生产单价。在N天的生产中，当天生产的零件可以满足当天的需要，若当天用不完，可以放到下一天去使用，但要收取每个零件的保管费，不同的天收取的费用也不相同。
问题求解：求得一个N天的生产（即N天中每天应生产零件个数），使总的费用最少。
输入：N（天数 N<=29）
每天的需求量（N个整数）
每天生产零件的单价（N个整数）
每天保管零件的单价（N个整数）
输出：每天的生产零件个数（N个整数）
例如：当N=3时，其需要量与费用如下：
第一天 第二天 第三天
需 要 量 25 15 30
生产单价 20 30 32
保管单价 5 10 0
生产的安排可以有许多方案，如下面的三种：
第一天 第二天 第三天 总的费用
25 15 30 25*20+15*30+30*32=1910
40 0 30 40*20+15*5+30*32=1835
70 0 0 70*20+45*5+30*10=1925
程序说明：
b[n]：存放每天的需求量
c[n]：每天生产零件的单价
d[n]：每天保管零件的单价
e[n]：生产
程序：
program exp5;
var
i,j,n,yu,j0,j1,s : integer ;
b,c,d,e : array[0..30] of integer ;
begin
readln(n);
for i:=1 to n do readln(b[i],c[i],d[i]);
for i:=1 to n do e[i]:=0;
①__________:=10000; c[n+2]=0; b[n+1]:=0 j0:=1;
while (j0<=n) do
begin
yu:=c[j0]; j1:=j0; s:=b[j0];
while ②__________ do
begin
③__________ j1:=j1+1; s:=s+b[j1];
end;
④__________ j0:=j1+1;
end;
for i:=1 to n do ⑤__________
readln;
end.
二．问题描述：有n种基本物质（n≤10），分别记为P1，P2，……，Pn，用n种基本物质构造物质，这些物品使用在k个不同地区（k≤20），每个地区对物品提出自己的要求，这些要求用一个n位的数表示：a1a2……a n，其中：
ai = 1表示所需物质中必须有第i种基本物质
= -1表示所需物质中必须不能有第i种基本物质
= 0无所谓
问题求解：当k个不同要求给出之后，给出一种方案，指出哪些物质被使用，哪些物质不被使用。
程序说明：数组 b[1],b[2]……b[n] 表示某种物质
a[1..k,1..n] 记录k个地区对物品的要求，其中：
a[i,j]=1 表示第i个地区对第j种物品是需要的
a[i,j]=0 表示第i个地区对第j种物品是无所谓的
a[i,j]= -1 表示第i个地区对第j种物品是不需要的
程序：
program gxp2;
var
i,j,k,n : integer ;
p : boolean ;
b : array[0..20] of 0..1 ;
a : array[1..20,1..10] of integer ;
begin
readln(n,k);
for i:=1 to k do
begin
for j:=1 to n do read(a[i,j]);
readln;
end;
for i:=0 to n do b[i]:=0;
p:=true;
while ①__________ do
begin
j:=n;
while b[j]=1 do j:=j-1;
②__________
for i:=j+1 to n do b[i]:=0;
③__________
for i:=1 to k do
for j:=1 to n do
if (a[i,j]=1) and (b[j]=0) or ④__________
then p:=true;
end;
if ⑤__________
then writeln(‘找不到！’)
else for i:=1 to n do
if (b[i]=1) then writeln(‘物质’,i,’需要’)
else writeln(‘物质’,i,’不需要’);
end.
正规足球比赛经常会换人，每支球队有多少次换人名额？
国际足联官方宣布，IFAB（国际足球协会理事会）已经批准对足球规则临时做出修改。每场比赛每队允许换5人，VAR可临时取消，该规则将于正式生效。
为保护球员健康，IFAB作出两项重要决定。
1、单场比赛的换人名额由3个提高到5个。但每支球队最多只可进行3次换人，两支球队若同时换人，则两队换人次数各计一次。未使用的换人名额及次数可顺延至加时赛。中场休息时也可以进行换人调整。
2、对于引进了VAR的赛事，也由每个比赛组织者自行决定，是否要在赛事重启后停用助理裁判。当然，修改后的规则只适用于赛季开始实施。在国际足联官宣后，也迅速引起了国内外球迷的热议。这是职业足球历史中，首次把单场比赛出现5个换人名额写进规则！
此前接受访时，国际足联裁判长里佐利就提前确认，国际足联会做出规则改变。同时，里佐利还认为应该减少VAR裁判的人数，并且需要佩戴防护设备。
进行的K联赛揭幕战中，就做出了很好的示范。他们要求VAR室内裁判要戴防护眼镜、口罩和一次性手套。半场比赛结束后，要进行室内通风和设备消毒，比赛结束后再次对设备进行消毒。比赛当天，除了VAR室内裁判之外，严禁其他人进入。国际足联官方宣布，为保护球员健康，IFAB（国际足球协会理事会）已经批准对足球规则临时做出修改。每场比赛每队允许换5人，但需在3次内完成，VAR可临时取消，该规则限定在对于中超来说，在注6报5上4的外援新政下，如果也能试行换单场换5人的政策，国内球员将首先受益，而拥有多位归化球员的广州恒大板凳深度也将得到极大增强。
修改后的具体规则为：每队最多允许使用五名替补队员；为了减少对比赛的干扰，每支球队在比赛中最多有三次换人机会；换人也可以在半场进行；如果两队同时换人，这将算作每队三次机会之一；未使用的换人名额及次数可顺延至加时赛；对于可进行额外换人的赛事，各支队伍都额外获得一个换人机会，允许在加时赛开始前以及加时赛半场进行额外换人。在联赛重启后，为了缓解密集赛程给球员带来的疲劳程度，单场换5名球员也被提上议事日程，此前，英超方面已经向国际足联递交了申请，如果通过，将再由20家英超俱乐部投票决定是否纳，随后西班牙足协，也正式向国际足联提出赛季所有国内赛事单场取五个换人名额的方案，并得到了国际足联的批准。
足球狂欢2.5。中国风暴。里面的妖人都有那些?
实况足球8中国风暴最强妖人——200人中英文名单
购员之前，先看敏捷度Agility，这个值是先天身体条件决定的，无论你怎样训练、打多少场比赛、进多少个球，这个值都不变，它直接关系到按下键以后能够多快地完成指令动作。例如带球180度转身，马拉多纳（敏捷度）可能0.2秒完成，范登博雷Vomme Borre（敏捷度71）就要0.6秒才能完成。
打就能找到
敏捷度和反应不一样，反应是你按下键后，屏幕上的球员能多快作出动作。例如带球180度转身，马拉多纳（反应99）可能按下键0.1秒后开始反应，而范登博雷（反应76）就要0.3秒才开始做动作。但是反应是可以通过训练和比赛提高的，但幅度不大。
结合这两点，马拉多纳的180度带球转身，从你按下键到完成动作只要0.3秒，而范登博雷则需要将近1秒钟的时间。
防守球员事先要看的值是平衡度，越高越不易失去重心让对手晃过。这个值可以提高，但比其他值要慢得多。其次就是速度和加速度了。这几个值和身体素质关系很大，后天训练很难弥补，购买妖人之前应注意。
个人认为可以牺牲一些培养潜力，找敏捷度和反应好的球员。例如觉得法尔范 Farfan比洪特Hunt强，虽然法尔范成长潜力四颗星8.6，年龄也大两岁，但是反应和敏捷度要高不少，就比五颗星8.8的洪特好用。同样，鲁尼Rooney就比保姆约翰Baumjohann、巴瑞R.Barry、瓦兹特Vaz Te要更灵活、更好控制一些。
还有比较重要的先天条件就是稳定度，这个值也是不会变的，可惜妖人里几乎没有超过5的。像马尔蒂尼、卡恩这些家伙都是8。如果稳定度只有3，你会发现有的场次射门传球都不理想。最糟糕的家伙是雷科巴，才是2，所谓“技术甲天下，状态迷雾中，不红不能用”。
名字-游戏名字-位置-国家-俱乐部-年龄-身高-起薪-培养潜力 （10满分）
Vanden Borre-Vomme-SB/CBT/SMF-Belgium-Anderlecht-16-188- 286-9.2
（基本全上90，14个99，可惜敏捷度只有71，马拉多纳是。奔跑速度和加速度都不到90，能力值看上去红红的一片，但就是没有元老们好用）
Baumjohan-?-CF/OMF-Germany-Schalke 04-17-177-542-9.0
（11个99，有四项上不了90，敏捷度82，速度84，弹跳89，加速度能上95，逆足4，稳定度4；用起来比肥罗感觉差不少，头球比肥罗强）
Fabregas-Cesc-OMF/CMF-Spain-Arsenal-17-177-438-9.0
（10个99，敏捷度76，反应83，速度80，加速度86，好像当前锋慢了点儿）
Ometan-?-CMF/DMF-Turkey-Besiktas-17-178- 386-8.9
（进攻94，防守95，速度83，敏捷度80，加速度89，不错的左脚中场球员，土耳其的齐达内）
Vaz Te-Ranza-CF-Portugal-Bolton-17-189- 286-8.9
（高中锋，头球好：94，进攻94；防守76，速度83，加速度85，敏捷度76，反应79，站桩不错）
Hunt-?-CF-Germany-Werder Bremen-17-183-338 -8.8
（左脚前锋里的佼佼者，和Vaz Te相似，也是敏捷度和反应不够80）
Kaebi-Dagaka-SB/SMF-Iran-Unassigned-18-167- 384-8.8
（进攻能力92，防守86，任意球94，速度85，加速度95，射门精度、力量和技术都上90，这也叫后卫？长处：高速启动，从身后上来抢断对方中场和前锋之间的传球；右边路助攻传中。不足之处：后场防空能力差，转身慢，敏捷度和反应都是65-75）
Verza-?-OMF/DMF-Spain-Villareal-17-177- 286-8.8
（和Ometan相似，全能中场，数据大概比Ometan低5%，敏捷度80）
Pique-?-SB- -Manchester United-17-185 -211-8.8
（防守98，进攻上80，角球时经常头球抢点射门，最便宜的高培养潜力的年轻球员）
Houri-?-CMF/OMF-France-AS Saint-Etienne-18- -311 -8.8
（进攻能上90的中场，有力量，成长曲线和别人不太一样，以恒定速度一直成长到27、8岁，别的妖人大多数是17-21岁快速成长，然后缓慢涨到25岁）
-Drost-SB-Netherlands-SC Heerenveen-17-183-287-8.7（体能不太好，最后能涨到85，进攻和防守都上85的左脚后卫，射门精度能上85，what for? 还真有用，2011赛季第一个进球——38米的一记左脚远射，游戏里的出色左脚妖人后卫并不多）
Cases-?-OMF-Spain-Villareal-17-177-338 -8.7
（任意球不错，成长也还可以）
Messi-?-CF-Argentina-Barcelona-17-170- 338-8.7
(成长平稳，速度84，加速度95，敏捷度76，可用作左边锋，技术比Farfan好，射门要好，但是Farfan的敏捷度是84，速度能上90)
C. Delgado-?-WF/SMF-Argentina-Lazio-22-174- -8.7
I. Abate-?-SMF-Italy-AC Milan-17-180-338 -8.7
（非常好用的前腰，45度角从右路插入大禁区后，到小禁区角上抽射远角边网，成功率相当高，敏捷度不到80）
R. Barry-?-CF-Senegal-Marseille-17-180- 321-8.7
（加速度最快的前锋，19岁加速度就到了99，速度83，可以每隔半秒点一下R1键，从右边路下去，后卫轻易就被甩开。敏捷度不到80，反应84，和Baumjohann类似，但便宜很多）
Ben Arfa-?-SMF/OMF-France-Lyon-17-177-338 -8.7
（变态左脚中场，可用作左边锋，任意球91，左路角球发球不错，速度84，加速度能上90，防守不到80，敏捷度不到80）
Farouk-?-SB-Morocco-Roosendaal -18-188-298 -8.7
（后场防空队员，比Pique和Drost成长不差，工资很低，是孔帕尼190cm的有力竞争对手。推荐除Vomme Borre 之外的四大妖人后卫：Pique, Drost, Kompany, Farouk）
A. Song Bilong-?-CMF- -Bastia-17-175-286 -8.7
（物超所值的后腰，进攻防守都能上90，技术95，速度反应都还不错80-85，可以和另一个黑人中场Muntari（左脚）打双后腰很好——增加球队的黑度）
Pitroipa-?-OMF-Burkina Faso-Breisgau-18-170-338-8.7
（不错的前腰，黑人球员，身体素质高，苦练后成长曲线可以上红，可以和另一黑人Houri打双前腰）
Oskitz-?-WF/CF-Spain-Real Sociedad-17-170- -8.6
Balde-?-OMF-France-FC Nantes-17-171- -8.6
Keseru-?-CF-Romania-FC Nantes-20-184- -8.6
Cerci-?-CF-Italy-AS Roma-17-180- -8.6
Farfan-?-CF-Peru-PSV-19-176-384-8.6
（敏捷度最高的右脚妖人前锋，速度也非常快，任意球上95，有的游戏版本中此人的国籍是加拿大，也是技术移民？）
Lewis-?-GK-England-Man Unit-16-1.90-211-8.6
（妖人守门员，好好培养后射门技术能上85，进攻意识上80，工资相当的便宜）
Muntari-?-DMF/CMF-Ghana-Udinese-19-180-438-8.6
（起始数值高，成长一般，22岁以后大部分变黄橙后基本不涨，但是体能和稳定度很好，反应敏捷）
Chiumiento-?-CMF/OMF-Switzerland-Siena-19-173-438-8.6
（瑞士前锋，年龄偏大，类似于保姆约翰，可以考虑培养成为前锋，比另外一个瑞士前锋Geijo杰伊乔21岁强多了，后者是游戏中最贵的球员，转会费62500p，工资5000p，整个儿一白象white elephant）
N. Cardozo-Cardarson-OMF-Argentina-Boca Jrs.-17-172-416 -8.5
（敏捷度、反应最好的中场86-90；17岁快速涨到19，19-21缓慢，22后又开始高速涨到25，不可轻易卖掉，缺点：体能80）
Bojinov-?-CF-Bulgaria-Fiorentina-18-180- -8.5
（实况9里的超级妖怪）
Delgado-?-CF-Spain-Lazio-18-186- -8.5
Jurado-?-OMF-Spain-Real Madrid-18-173- -8.5
（齐达内的替补）
W. Rooney-?-CF-England-Manchester United-18-178-709-8.5
（敏捷度、速度、反应、加速度数一数二的妖人，非常好用，左右脚双足动作特技，估计是Konami实况游戏开发者高冢新吾的亲戚）
R. Smith-?-CF/SMF-England-Arsenal-17-176-338-8.5
（阿森纳队不错的年轻前锋）
D. Blackstock-?-CF-England-Southampton-18-187-323-8.5
-Barreto-CMF- -NEC Nijmegen -20-182 - 384-8.5(数据不错的球员，基本全黄，由于年龄大两岁，成长一般，但是很容易出售)
Park Jin Sung-?-OMF/DMF-Korea-Unassigned -20-182 -200-8.5
（韩国的朴智星，实况足球里性价比最高的球员，同样数值的欧洲球员要600-800）
Ozturk- -OMF- - -18- - -8.5
Jarvis-?-CF-England-Unassigned-18-185-323-8.4
C. Tevez-Temeru-CF/OMF-Argentina-Boca Jrs.-20-169-644-8.4
Cenaghi-Carnashi-CF-Argentina-Spartak Moskiva-20-178-579-8.4
Sneijder-?-OMF/SMF/CF-Netherlands-Ajax-20-170-741-8.4
Cha Du Ri-?-CF/WF-Korea-Unassigned-20-183-200-8.4
（另一个超值的韩国队员，可以便宜买来放着，以备主力和替补队员受伤或国家队召走——替补的替补）
Velten-?-CF-Netherlands-FC Twente-18-165-296-8.4
-Palacios-OMF- - -20- - -8.3Quaresma-Questesmo-SMF/WF-Portugal-FC Porto-20-173- -8.3
T. Dis-?-CMF-England-Fulham-20-177- -8.3
Dejagah-?-CF- - -18- - -8.3
R. Defendi-?-CBT- - -18- - -8.3
Calincov-?-CF- -SC Heerenveen-18- - -8.3
Coster-?-WF- -ADO Den Haag-18-164-311 -8.3
（左脚快速前锋，可惜个子太小）
Xisco- Nadal-CF-Spain- -18- - -8.3
Diego-Dieto-OMF-Brazil-FC Porto-19-170- -8.2
J. Vonlanthen-?-CF-Switzerland-PSV-18-175- -8.2
Heitinga-Heirufinga-CBT/SB-Netherlands-Ajax-20-180- -8.2
（不错的后卫，可惜成长不行）
-Bedla-SB/SMF- - -20- - -8.2R. Perez-?-SB/SMF- - -20- - -8.2
-Sytos-CF- - -20- - -8.2 -D'akol Joaquin- - -Olympiakos- - - -8.2Ucar Ugur-Ugan Utan-CF-Turkey-Galatasaray-17-184-228 -8.2
（土耳其的年轻前锋，身体素质不错，个子还可以，力量不错，射门糙点儿）
L. Podoloski-Pomatski-CF/WF/OMF-Germany-Unassigned-19-180-333-8.2
Francia-?-OMF/SMF-Argentina-Bordeaux-19-175- -8.2
Gilardino-?-CF-Italy- -22-184- -8.2
Diouf-Denpo-WF-Senegal- -23- - -8.2
M. Izmailov-Ilnylov-SMF- - -21- - -8.2
Afonso-?-CF- - -18- - -8.2
El Ahmadi-?-SMF- -FC Twente-18- - -8.2
G. Rossi-?-CF/OMF-Italy-Manchester United-16-176- 211-8.2
（曼联的年轻前锋，成长好像还不错）
S. Kalou-21-F- -Feyenoord- - - -8.2
-Tyado Golek-SB-Portugal- -18- - -8.2Tekkan-?-SMF/DMF- -VfL Bochum-19- - -8.2
Glen Johnson-?-SB- -Chelsea-19- - -8.2
（后卫，还不错）
Carlos Alberto-Carl Anagelko-OMF/CMF-Brazil-FC Porto-19-177- -8.1
Berthod-?-CBT/SB-France-Lyon-20- - -8.1
Lupoli-?-CF-Italy-Arsenal-17-173- -8.1
-Vumomiteic-CF/WF/OMF-Serbia-Unassigned-18-179- -8.1Zambrella-?-OMF-Switzerland-Brescia-18-182- -8.1
D. Cisse-?-CF- - -22-183- -8.1
-Fullmantez-OMF- - -20- - -8.1C. Cole-?-CF- - -20- - -8.1
-Mahelnandes-DMF- - -18- - -8.1A. Fathi-?-DMF- - -19- - -8.1
Perrin-?-DMF- -AS Saint-Etienne-18- - -8.1
Lescure-?-SB- -AS Monaco-18- - -8.1
Gjasula-?-DMF- -FC Kaiserslautern-18- - -8.1
Gerson Magrao- -SMF-Brazil- -19- - -8.1
Jier Garrido-?-SB- -Real Sociedad-19- - -8.1
Mathieu-?-CMF/SB- -FC Sochaux-20- - -8.1
Clichy-?-SB- - -19- - -8.1
J. Milner-?-SMF- -Newcastle United-18- - -8.1
V. Mezague-?-CF/OMF/CMF-Cameroon-Unassigned-20-183- -8.0
C. John-?-CF-Holland-Fulham-19-180- -8.0
J. Legear-?-WF/SMF-Belgium-Anderlecht-17-181- -8.0
Mido-?-CF-Egypt-Marseille-20-190- -8.0
Gambino-?-CF-Italy-B. Dortmund-20-175- -8.0
Joao Moutinho-Jol Mantinjo-OMF-Portugal- -17-178- -8.0
（值得一用的中场）
Marcos-?-OMF-Brazil-Unassigned-20-170- -8.0
-Matdearl-CF/OMF/SMF-Ireland-Celtic-18-178- -8.0 -Roquel-WF/SMF-Netherlands-Unassigned-20-174- -8.0Maurice-Belay-?-CF- - -19-180- -8.0
Kranjcar-?-OMF/CF-Croatia-Unassigned-19-185-483-8.0
-Sverkos-CF- -Unassigned-20-183- -8.0O. Martins-?-CF-Nigeria-Inter Milan-19-170- -8.0
（速度、加速度、反应、敏捷度最高的球员，可惜其它数值太低）
-Melara-CF- - -18- - -8.0 -Bizimana-CF- - -18- - -8.0 -Arzo-DMF- - -18- - -8.0 -Bentley-CF/SMF- - -19- - -8.0 -Virdis- - - -19- - -8.0De Mul-?-WF- -Ajax-18- - -8.0
Eagles-?-SMF-England- - - - -8.0
Whittingham-?-SMF-England- -19-178-404-8.0
Snoyl-?-SB- - -19- - -8.0
B. D'Avesnes- -CF- - -18- - -8.0
C. Ronaldo-?-WF/CF/SMF-Portugal-Manchester United-19-184-709-8.0
（最好别买，伤仲永）
F. Torres-?-CF-Spain-Atletico Madrid-20-183-806-8.0
（金童托雷斯，马马虎虎，他一人的工资可以请洪特、巴瑞和R史密斯三个）
-Evotargo-CBT/SB-Brazil-Benfica-19-190-362-8.0Chiellini-?-SB- -Juventus-19- - -8.0
（尤文图斯后卫，还可以）
Corvia-?-CF-Italy-AS Roma- - - -8.0
Virdis-?-CF-Italy-UC Sampdoria- - - -8.0
Akande-?-CMF- -AS Roma-18- - -8.0
Montolivo-?-OMF- - -19- - -8.0
Routledge-?-WF-England-Unassigned-19-170-418-8.0
Gimana- -SB- - -18- - -8.0
Sissoko-?-CMF- - -19- - -8.0
Sadler-?-SB- - -19- - -8.0
Artipoli- -SB- - -18- - -8.0
-Tasal-SB- - -20- - -8.0Ridgewell-?-CBT/SB- -Aston Villa-20- - -8.0
Makoun-?-DMF-Cameroon-Lillie-20-172- -7.9
Le Tallec-?-OMF-France-Saint-Etienne-19-184- -7.9
-Carmillo-CF/OMF/SMF-Uraguay-Olympiakos-20-170- -7.9 -Lezood-CF-Belgium-Anderlecht-17-176- -7.9S. Wright Phillips-?-SMF-England- -22- - -7.9
E. Fae-?-DMF-Ivory Coast- -20- - -7.9
Y. Sofiane-?-CF-France-Unassigned-20-180-391-7.9
Barnetta-?-SMF- -Hannover 96-19- - -7.9
Vagner Love-?-CF-Brazil-CSKA Moscow-20-179- -7.8
Kompany-Kultarii-CBT-Belgium-Anderlecht-18-190-438-7.8
（大名鼎鼎的比利时黑人后卫孔帕尼，范登博雷的国家队和俱乐部队友，身高马大，有力量、稳定度高，成长太慢）
Ben Saada-?-CF/WF/OMF-France-Unassigned-20-170- -7.8
-Pascucci-CF-Italy-Unassigned-18-175- -7.8Odonkor-?-WF/SMF-Germany-Brussia Dortmund-20-174- -7.8
Zubar-?-CBT- - -18- - -7.8
Niemeyer-?-DMF- - -20- - -7.8
-Maltz-CF- - -20- - -7.8Muba-?-DMF- - -20- - -7.8
M. Fathi-?-CBT-Germany- -21- - -7.8
-Hoyt-CBT- - -19- - -7.8Rodri-?-CBT-Spain- -19- - -7.8
Sinama-Pongolle-?-CF-France-- - - -7.8
De Jong-?-SB/DMF/SMF-Holland-Ajax-19-174-483-7.8
Kuranyi-?-CF-Germany-Stuttgart-22-190-709-7.8
Danny-Daner-WF/OMF/SMF-Portugal-Sporting Lisbon-20-175-353-7.8
-Mitea-WF- - -19- - -7.8
-Brontel-DMF- - -20- - -7.8Martens-?-SMF/DMF- -RKC Waalwijk-20- - -7.8
Cosenza-?-SB- - -18- - -7.8
Hoyte-?-CBT/SB- -Arsenal-19- - -7.8
Potenza-?-SB- -Parma-20- - -7.8
Comyn Platt-?-CBT- -Bolton-18- - -7.8
Adailton-?-CBT-Brazil-Unassigned-20-189- -7.7
J. Van Damme-?-SB- -Southampton-20- - -7.7
-Seledamims-DMF- - - - - -7.7P. Lahm-?-SB- -Stuttgart-20- - -7.7
-Soubare-SB- - -18- - -7.7B. Convey-?-OMF/SMF/CMF-United States-Unassigned-21-172- -7.6
Yeates-?-CF-Ireland-Unassigned-19-175- -7.6
A. Esposito-?-CBT-Italy- -18- - -7.6
Goncalves-?-CBT-Germany- - - - -7.6
Mertesacker-?-CBT-Germany- -19- - -7.6
Costil-25-GK- -SM Caen-17- - -7.6
Jonathan-?-CF-Spain-RC Santander-19-170- -7.5
Sergio Garcia-?-CF-Spain-Levante-21-175- -7.5
-Dante-CBT-Brazil- -20- - -7.5Meghni-?-DMF- -Bolonga-20- - -7.5
K. Schmeichel- -GK- - -17- - -7.5
Leca- -GK- - -18- - -7.5
Camara-?-SB- - -19- - -7.5
Aubey-?-CBT-France- -20- - -7.3
Benvegnu-?-GK-France-Unassigned-19-188-333-7.0
Hartock-?-GK-France-Olympique Lyonnais-17-189-313-7.0
Lee Woon Jae-?-GK-Korea-Unassigned-20-182-200-7.0
Chaigneau-?-GK-France-Unassigned-20-1-343-6.9
D. Marshall-Marken-GK- - -19- - -6.8
附录：电脑生成青年球员全英文名单。
注：每个赛季开始，电脑会随机放送20个电脑生成的球员，都是17岁。这些球员不是现实生活中的球员，也不是元老转世。
其中也有一些成长比较恐怖的妖人：如Bos, Mitchell, Yamada, Schwarz等，所以每个赛季结束后、转会期开始时，第一件要做的事就是查找17岁的新人，看有没有特强的电脑妖人出现。红色名字的是推荐球员，一般每年会出来1-2大妖怪，玩家注意收购。
新人的培养比较麻烦，刚买来也打不上主力，这里有一个绝招： 用刚买来的年轻妖人换中上流的俱乐部（总排名10-20，如西甲的瓦伦西亚队）里同样位置的主力球员，让那个俱乐部替你培养，过2、3年再把他们买回来，省得自己动手训练。至于换来的那些老家伙，隔一周赔点儿钱马上让他们走人。
还有就是季后八场友谊赛都打满，用一星难度、双倍速度20分钟，阵型用双后卫、一中场、三前腰、四前锋狂轰，半场换7各球员，进它20几个球，球员成长飞快，也不费体力、不受伤。
电脑随机生成的球员列表：
守门员:
Acosta
Amato
Andrews
Arts
Axelsson
Batata
Bonomi
Borges
Buchanan
Cooper
Cuypers
Dupont
Fatecha
Franovic
Funes
Ito
Jacobs
Kremer
Lindner
Menendez
Narro
Nieto
Richter
Riou
Rolong
Shittu
Wang Mingwei
Wolf
Wood
中后卫/清道夫:
Barth
Baumann
Benedetti
Berger
Bianchi
Bos
（超级妖人，成长速度堪比范登博雷，敏捷度还要更好，最好等范登博雷24岁停长后，在2011-2014赛季电脑放送出来，但工资太贵：1030，不如买2005赛季退休后转世的马尔蒂尼了）
Bouquet
Cabrera
Conwey
Delios
Esajas
Fernandez
Goossens
Hamilton
Jackson
Jacobsen
Jasinski
Jean
（体能太差：55,替后卫半场都坚持不下来，白长了个1.99米的大个儿，工资还要708）
Lorenz
Marchetti
Mattsson
Morgan
Neumann
Pagano
Palmieri
Perrin
Ricci
Schilder
Schmidt
Serrano
Szalai
Vitali
Werner
White
后卫:
Andre
Bilic
Blondeau
Bustos
Carlsen
Doesburg
El Moubarki
Fischer
Fusco
Gerber
Goncalves
Graham
Guegan
Guimaraes
Hendriks
Hoffmann
Holzer
Mitchell
Morello
Nikolov
Postma
Rubio
Samuels
Soler
Walker
Walton
后腰:
Aaltonen
Bertrand
Clarke
De Rosa
Dietrich
Iglesias
Ioannidis
Kooistra
McKenzie
Nolan
Prieto
Reeves
Roelofsen
Sanz
Simpson
中场发动机:
Adam
Baldini
Boffa
Camacho
Cervantes
Hardy
Herrero
Kaiser
（超强，马特乌斯二号）
Leclerc
Machado
Merino
Mertens
Newman
Novikov
Ojeda
Renard
Siegl
Sousa
Spinelli
Van den Berg
边卫:
Alexeev
Baker
Becker
Bondarenko
Cem
Chacon
Hoekstra
Jarolim
Juarez
Koeman
Longhi
Marchand
Martel
Monteiro
Noushevar
Pelaez
Russo
Shaw
Traore
Weber
前腰:
Aguado
Cano
Cocio
Ettori
Jovancevic
Manikas
Nascimento
Orlando
Pascual
Pellegrini
Pollet
Rivero
Smulders
Wilkins
Yamada
（日本妖人，远射厉害，但是成长有时候一般，比较容易受伤，买来友谊赛了一场就被踢伤，歇了三周）
边锋:
Andre II
Greenwood
Griffiths
Murray
Stoyanov
前锋:
Abdel Salam
Bosnjak
Buga
Carter
Caruso
Chapi
Clement
Diez
Eckstein
Engin
Fall
Gibson
Gutierrez
Khumalo
Kim Cyunhi
（韩国妖人，超值）
Komol
Lien
Mehmet
Mokrani
Morini
Nikolic
O’Sullivan
Petkovski
Prandini
Ribeiro
Rowland
Sahafi
Schwarz
（超级妖人，一看工资就知道：1029）
Soares
Thijs
Thomas
Van der Meer
Vega
Zakharov
Zarate
最强电脑生成妖人:
守门员: Wood
防守: Bos
后卫: Mitchell
后腰: De Rosa
中场: Kaiser
边卫: Baker
前腰: Yamada
边锋: Murray
中锋: Schwarz
