|

巨上头巨过瘾买股文!逆袭+攻略《万人迷女主的追求者,都成了我裙下臣》作者:桃月昭

推荐

(芭莳圈小懒推文 8.5分)短剧名:重生!丑小鸭逆袭成了万人迷

我其实很少看买股文,这本是先看了短剧,好带劲,这才等不及更新接着看了小说,可惜小说也没写完,好在已经出现了第七个男主,只要作者不是刻意拖剧情,完结还是很快的。

买股文最好看的就是万人迷女主周旋不同男主之间啦,攻略过程非常非常吸引人,男主们一开始对女主爱搭不理,很快就要求而不得,女主封心锁爱只为任务,男人们心痛心悔深陷雄竞修罗场,真是太带感了。

这本的故事设定并不出新,丑女米珂,上一世被原书女主宋静伊当成工具人闺蜜利用致死,死后妈妈也被害死,重生后绑定魅魔系统,只要成功攻略七个男主就能改写剧情真正活命,这个过程中她会不断变美变强,通过完成任务升级,从丑女变魅魔,完成人生的逆袭。

一开始女主只是四星丑女,任务说来也不麻烦,就是通过让攻略对象为她花钱,到达数额就可以升级变美并得到特殊奖励,比如锦鲤符、知识速学(导演、演艺、外语等一下子就能融会贯通,这个技能我是真的羡慕,还能定制武学,又美又能打,自己保护自己才是最靠得住啊)、易容等,一开始升级所需金钱不多,但越往后越多,当然随着女主变美,接触的男主也更高端更舍得,所以女主的升级路还是挺快挺顺当的。

故事虽然很俗套,但作者很会写,一下子就能拉进剧情里。这篇文最大的亮点就是女主的人设以及攻略过程。

女主出身很差,小时候妈妈就带着她辗转依赖不同男友生活,可想而知过得很不好,就这样她也考上了很好的大学,是个很聪明的女孩子,只不过上一世被原女主利用的彻底,这一世有了系统后,她不断变美变好变有钱,只想完成任务好好活下去,不会因为攻略优秀的男主们成功了就飘飘然变恋爱脑,一直保持最大的清醒,任务过程也都是用了脑子的,和原女主斗智斗勇的过程也很精彩,打脸打的很苏爽。

女主虽然是恶女设定,但她和原女主最大不同就是,原女主把遇见的所有人当自己过好的工具耗材,而女主虽然也居心不良满心算计但是是带着所有人一起变得更好,更不搞雌竞,和好女孩们都互相成就。

攻略剧情真的好带感,七个男主各具特色。

七个男主:

陆凛,豪门准继承人,本来算是个二世祖,被女主救了一次后,察觉和其他男主的差距,开始回自己家企业努力上进,也是女主最先完成攻略的男主。他妈妈是女主的干妈。也是他教女主要配得感高一点。

霍言庭,白手起家爹系霸总。女主有心接近,让妈妈去给他爸爸霍教授当保姆。女主妈妈当保姆这一段我很喜欢,从一个一开始只知道辗转男人之间依赖男人的恋爱脑觉醒,哪怕和霍教授有情愫,也清醒地认识到当了老婆就义务付出维持现状每个月可是有三万的工资啊哈哈哈。霍言庭有权有势,但他的真心饱含着计算,我个人觉得从他提出合约恋爱那一刻就可以出局了,在普通言情文里他当然可以是唯一男主,可架不住这是一本买股文,竞争对手太多,他的这些试探衡量就让感情变得有些廉价了,不过他算是很大方的金主爸爸,舍得爆金币,女主能快速升级他功不可没。

姜叙臣,悬疑作家纯情小狗,也是我觉得最配得上女主的男主。他两年前出事后坐轮椅,上一世对原女主一见钟情为原女主自杀,这一世女主抢先一步接近他,引导他走出浑浑噩噩自暴自弃的生活,让他发现被误诊还有机会站起来的事情,结下深厚情谊。小狗的爱是最拿得出手的,每次女主生日都精心准备,为女主曝光了从前死死捂住的马甲,女主的首演发布会他坐着轮椅去力挺女主……

裴照西,顶流明星,表面温柔骨子里精明冷漠,家世不凡,也是原女主宋静伊被认回裴家后名义上的哥哥。这货有点贱贱的,越不搭理他他越爱,攻略就是辣么简单。

薄厉,高干出身特种兵,先是安保公司老大,后会在家里安排下进入公家。荷尔蒙爆棚,出场戏份不多但存在感很强,他和女主之间的情愫我觉得还是比较纯洁的,虽然他是目前女主唯一叫过老公的男人(任务需要)。

沈寂,顶尖律师,原女主最忠诚的舔狗,和女主没有感情线,全靠对原女主一次次失望掉光眩晕值成全女主的攻略(这个失望过程当然有女主的手笔)。

米京珩,单纯善良富二代,被家里照顾得太好,像一张白纸,就我看到的剧情我觉得七个男主最弱的就是他了,女主攻略他都有一种大姐姐的包容和引导。

这个故事无论是短剧还是书,休闲时间看都很过瘾,属于是熬夜不想睡也要看后续的那种很会下钩子的类型。

缺点也是有的,非常黑原女主,将原女主塑造成一个自私自利不择手段不在乎任何人的纯恶女,而且像是打不死的小强,一直反复蹦跶,不停给女主使绊子。不过这也是剧情需要,所以可以理解。

所评书籍:《万人迷女主的追求者,都成了我裙下臣》作者:桃月昭

在线看小说请关注公众号:小芭推书! PS:近期盗版猖獗,“芭莳网”原创书评和书单,未经授权禁止转载。若强盗行径,天地宇宙可鉴,视违规转载方默认将这辈子的所有好运归芭莳圈站长所有!

原文链接:https://www.basequan.cn/18384.html

推荐

类似文章

发表回复