手机浏览器扫描二维码访问
第一百二十六章大諲譔摔下马来
这马球场地十分宽敞平整,四周早已被打扫得一尘不染,干干净净。
场地的三面围起不太高的木制栅栏,十分坚固。一来是为了保护人群免受马匹伤害;二来也给看台外面的看客有个好视觉,好为里面的球员站脚助威。
一来到马球场地,大諲譔就迫不及待地下了圣旨。
“朕宣布,采用计时方法,在一个时辰内,看谁进的球多。此次赛事获胜者加官进爵,赏金赏银。望大家一鼓作气,战它一个时辰”。
众人立即沸腾起来。
有男侍将这些个马球,摆在了场地的中央。这些个马球都是用熟牛皮制成的,里面充填进去毛棉等柔软之物,填得实成,大小似人的拳头。球面不仅光滑,还要施以彩绘。
球杖由木头制成,长3——4尺左右,杖头有一横斜的檔,类似今天的冰球棍。这种木头就生长在渤海国,所以至今,那里的人不管大人孩子或女人都喜欢打冰球或曲棍球。
球门用一块木板和绳网做成,木板上挖一圆洞,后面固定上网囊。
为了防止参赛马的尾巴相互缠在一起,大諲譔的御侍将他的马尾打成结,看来,大諲譔国王不仅非常热衷于打马球,而且还做了精心准备。
二队参加比赛的人数,各为5人。骑在马上,个个如即将要离弦的箭,一触即发。
大諲譔激情难耐,清了清嗓子,发表了感言。
“裴爱卿由倭国回来了,朕非常高兴,今日,诸位爱卿不必拘礼,大家就玩个痛快,也算本王为裴爱卿接风洗尘”。
裴璆在马上说道:“多日不见,圣王精神爽朗,风采依旧”。
“谁知,大諲譔却十分谦逊。
“哪里?哪里?朕自觉老啦,脚力亦大不如从前啦”。
裴璆应道:“圣王既然这么喜欢马球,说明精力还很旺盛啊!哪里有半点老翁姿态呀”!
“朕听说裴爱卿此次去倭国,还获得了醍醐天皇的褒奖,真是可喜可贺”。
大諲譔说着,微微一笑,一挥手,表示马球开始啦。
鼓声大震。歌乐响起。
在鼓乐声中,大諲譔兴奋至极,球疾来疾去,球杖忽合忽离。
“进球”!
一会儿,他便把身体藏在了马肚子下去打,一会儿,他又探出头来,击球时,十分专业。
“进球”!
啦啦队看到大諲譔又进一球,大声欢呼:“圣王加油!圣王加油”!
裴璆、大諲譔贵妃与大素贤等人陪同大諲譔一同击球。
看台上众人高声欢呼,音乐声越来越亢奋。
汴泗交流郡城角,筑场千步平如削。短垣三面缭逶迤,击鼓腾腾树赤旗。新雨朝凉未见日,公早结束来何为?分曹决胜约前定,百马攒蹄近相映。球惊杖奋合且离,红牛缨拔黄金羁。侧身转臂著马腹,霹雳应手神珠驰。超遥散漫两闲暇,挥霍纷纷争变化……
时空之坑 末世重生之毒姐 埋葬之心 狩魔续魂 超级战争星舰 练气飞仙 重生之牵手一生 玄灭八荒 大明星术 红尘天涯 墨玉归 第六界学院 我的洗衣机不可能那么可爱 生械狂暴 位面任务奖励系统 风月大陆 这个土地很牛 源秘 佣兵悲歌 打开方式错误的师兄
当刚分手的伤心妹,遇见初试爱情的小正太!当误会开始,一对仿佛是上天注定的欢喜冤家开始精彩绝伦的激情碰撞!是你似火般热情,捂热我冰冷异常的心...
2015最悬疑活体!不一样的惊悚!死了十多年的三爷,回来了。那一天,爷爷带着全村上百村民跳河自杀。这条大河,开始变得古怪起来。死鲤地亡,浊河尸逆,人皮杀偶,铜尸甲魁我发现,除了活人和死人,身边还生活着活体!...
前世,乔阡陌亲眼看见自己的丈夫与‘妹妹’在家里上演着春宫图,还被指责为小三!她怀孕,‘妹妹’也怀孕,而且孩子还比她大!心如死灰,却意外得知,就连自己的父亲都参与其中,而这一切居然是他们安排好的!跌落楼梯,胎儿不保,就连她也命丧黄泉,再度醒来,居然回到了十五岁!重活一世,她发誓,绝对要把自己曾经所受的痛苦统统还回去!却没想到,在复仇路上遇到了他。第一次见面,他说,我没见过你这么蠢的人。第二次见面,他说,你出门都不带脑子的么?第N次见面,他说,就你?来十个也是白搭。话虽不好听,可在遇到危险时,他总是第一时间出现在她身边。流言,陷害,各种风波接踵而来,而他始终是默默地选择信任她。反击,报复,在别人都说她是坏女人时,他也仅仅是安静地站在她身后,做她最坚实的后盾。...
军校毕业生方华,由于一时兴起。买下了一枚古钱币。这枚古钱币竟然带他穿梭到另一个星球。在这里被逼无奈的方华在系统的帮助下开始征战各个位面,不是为了争霸!!一切都只是为了生存!但是真的能如他所愿吗?一切还需要时间来证明!...
在这里,武道不再是虚无缥缈的传说,而是切切实实的传承,经过与科技的对抗后,彻底融入了社会,有了各种各样的武道比赛,文无第一,武无第二! 楼成得到武道一大...
nbpnbpnbpnbp西门庆最后一晚,左拥右抱nbpnbpnbpnbp直到他精x人亡反穿重生到现在的社会,他会遇到什么?nbpnbpnbpnbp直到西门庆见到某位姓陈的艳照后,终于发现,原来天上有天,人外有人nbpnbpnbpnbp所以,西门庆决定,他要重振当年的威风nbpnbpnbpnbp他混迹官场,再次生意起家,最终目的都是为了美女当一连串的黑丝在他面前晃荡时,他将如何将调戏和调情上演到最大化?...