Reddit Hockey League

Hurricanes
Accueil
Formation
Points
Informations joueurs
Lignes
Statistiques d’équipe
Calendrier
Finance
Statistiques d’équipe en carrière

Monsters
0-0-0, 0pts

2022-09-14

Wolves
0-0-0, 0pts

Statistiques d’équipe
N/A	Séquence	N/A
0-0-0	Fiche domicile	0-0-0
0-0-0	Fiche visiteur	0-0-0
0-0-0	10 derniers matchs	0-0-0
0.00	Buts par match	0.00
0.00	Buts contre par match	0.00
0.00%	Pourcentage en avantage numérique	0.00%
0.00%	Pourcentage en désavantage numérique	0.00%

Wolves
0-0-0, 0pts

2022-09-16

Barracuda
1-0-1, 3pts

Statistiques d’équipe
N/A	Séquence	OTL1
0-0-0	Fiche domicile	0-0-1
0-0-0	Fiche visiteur	1-0-0
0-0-0	10 derniers matchs	1-0-1
0.00	Buts par match	2.50
0.00	Buts contre par match	2.00
0.00%	Pourcentage en avantage numérique	57.14%
0.00%	Pourcentage en désavantage numérique	50.00%

Wolves
0-0-0, 0pts

2022-09-19

Firebirds
0-0-0, 0pts

Statistiques d’équipe
N/A	Séquence	N/A
0-0-0	Fiche domicile	0-0-0
0-0-0	Fiche visiteur	0-0-0
0-0-0	10 derniers matchs	0-0-0
0.00	Buts par match	0.00
0.00	Buts contre par match	0.00
0.00%	Pourcentage en avantage numérique	0.00%
0.00%	Pourcentage en désavantage numérique	0.00%

Meneurs d'équipe

Statistiques d’équipe
Buts pour 0 0.00 GFG	Tirs pour 0 0.00 Avg	Pourcentage en avantage numérique 0.0% 0 GF	Début de zone offensive 0.0%
Buts contre 0 0.00 GAA	Tirs contre 0 0.00 Avg	Pourcentage en désavantage numérique 0.0% 0 GA	Début de la zone défensive 0.0%

Information d’équipe
	Directeur général	smartty18
	Entraîneur	Jeff Blashill
	Division	Metropolitan Division
	Conférence	Eastern Conference
	Capitaine
	Assistant #1
	Assistant #2
Informations de l’aréna
	Capacité	3,000
	Assistance	0
	Billets de saison	0
Information formation
	Équipe Pro	23
	Équipe Mineure	18
	Limite contact	41 / 90
	Espoirs	45
Historique d'équipe
	Saison actuelle	0-0-0 (0PTS)
	Historique	66-72-24 (0.407%)
	Apparitions séries éliminatoires	0
	Historique séries éliminatoires (W-L)	-
	Stanley Cup	0

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

#	Nom du joueur	#	C	L	R	D	CON	CK	FG	DI	SK	ST	EN	DU	PH	FO	PA	SC	DF	PS	EX	LD	PO	MO	OV	SP	Âge	Contrat	Salaire moyen
1	Anthony Louis	0		X			100.00	50	36	75	64	73	60	44	63	40	67	64	62	62	57	67	0	40	58	0	27	3	750,000$
2	Justin Kirkland	0		X			100.00	50	51	75	55	86	60	44	61	40	65	64	62	62	59	68	0	40	58	0	26	1	800,000$
3	Morgan Barron	0	X				100.00	87	50	79	54	90	64	52	58	61	62	62	61	61	52	65	0	40	58	0	23	1	925,000$
4	Tanner Laczynski	0	X	X	X		100.00	98	43	75	59	82	60	34	59	54	65	61	55	61	51	64	0	40	57	0	25	2	800,000$
5	Ryan MacInnis	0	X				100.00	50	50	75	54	86	60	44	58	60	64	60	61	60	61	69	0	40	57	0	26	1	750,000$
6	Tyler Angle (R)	0		X			100.00	50	38	75	60	76	60	49	58	40	65	59	62	60	51	61	0	40	56	0	22	2	925,000$
7	Greg Meireles (R)	0			X		100.00	50	46	75	58	79	60	27	58	40	66	57	62	59	51	61	0	40	55	0	23	1	750,000$
8	Kyle Topping (R)	0	X	X	X		100.00	50	46	75	56	79	60	36	56	60	64	57	62	59	52	62	0	40	55	0	22	2	750,000$
9	Matt Filipe (R)	0		X			100.00	50	49	75	53	84	60	37	53	40	61	58	62	59	51	61	0	40	54	0	24	1	825,000$
10	Reece Newkirk (R)	0	X	X	X		100.00	50	51	75	55	79	60	27	52	60	61	56	62	58	51	61	0	40	53	0	21	3	750,000$
11	Luka Burzan (R)	0	X	X	X		100.00	50	41	75	55	80	60	29	51	40	60	57	62	59	54	63	0	40	53	0	22	2	750,000$
12	Victor Soderstrom	0				X	100.00	66	41	80	59	79	62	45	68	20	65	59	68	60	51	61	0	40	59	0	21	2	925,000$
13	Adam Smith	0				X	100.00	50	45	75	51	84	60	46	63	20	60	57	68	59	55	64	0	40	57	0	25	1	750,000$
14	Ryan Zuhlsdorf (R)	0				X	100.00	50	42	75	54	80	60	26	64	20	61	57	68	59	54	63	0	40	56	0	25	2	750,000$
15	Koletrane Wilson (R)	0				X	100.00	50	53	75	49	87	60	36	63	20	60	55	68	58	51	61	0	40	56	0	23	1	750,000$
16	Chris Bigras	0				X	100.00	50	43	75	55	82	60	18	67	20	63	62	68	61	54	65	0	40	56	0	27	3	750,000$
17	Matthew Kessel (R)	0				X	100.00	50	49	75	49	88	60	10	66	20	63	56	68	58	54	62	0	40	55	0	22	2	850,000$
18	Alex Kannok Leipert (R)	0				X	100.00	50	50	75	51	83	60	19	64	20	60	57	68	59	51	61	0	40	55	0	22	2	850,000$
Rayé
1	Alexey Lipanov	0	X	X	X		100.00	50	41	75	54	80	60	10	49	60	58	55	62	58	52	62	0	40	52	0	23	1	897,167$

	MOYENNE D’ÉQUIPE					100.00	55	46	75	55	82	60	33	60	39	63	59	64	60	53	63	0	40	56

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

#	Nom du gardien	CON	SK	DU	EN	SZ	AG	RB	SC	HS	RT	PH	PS	EX	LD	PO	MO	OV	SP
1	Anthony Stolarz	100.00	79	78	75	89	84	83	82	84	83	81	82	76	71	0	40	78	0
2	Erik Kallgren (R)	100.00	65	72	69	86	69	69	67	70	70	67	68	73	70	0	40	68	0
Rayé
1	Kirill Ustimenko	100.00	49	58	55	86	53	53	51	54	53	50	52	68	67	0	40	56	0
2	Colton Point	100.00	42	58	55	89	46	46	44	46	46	42	45	70	68	0	40	52	0

	MOYENNE D’ÉQUIPE	100.00	59	67	64	88	63	63	61	64	63	60	62	72	69	0	40	64

Nom de l’entraîneur	PH	DF	OF	PD	EX	LD	PO	CNT	Âge	Contrat	Salaire
Jeff Blashill	75	75	75	75	75	75	75	USA	49	8	500,000$

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

#	Nom du joueur	Nom de l’équipe	POS	GP	G	A	P	+/-	PIM	PIM5	HIT	HTT	SHT	OSB	OSM	SHT%	SB	MP	AMG	PPG	PPA	PPP	PPS	PPM	PKG	PKA	PKP	PKS	PKM	GW	GT	FO%	FOT	GA	TA	EG	HT	P/20	PSG	PSS	FW	FL	FT	S1	S2	S3

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

#	Nom du gardien	Nom de l’équipe	GP	W	L	OTL	PCT	GAA	MP	PIM	SO	GA	SA	SAR	A	EG	PS %	PSA	ST	BG	S1	S2	S3

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

Nom du joueur	Nom de l’équipe	POS	Âge	Date de naissance	Nouveau joueur	Poids	Taille	Non-échange	Disponible pour échange	Ballotage forcé	Contrat	Type	Salaire actuel	Salaire restant	Salaire moyen	Salaire moyen restant	Plafond salarial	Plafond salarial restant	Exclus du plafond salarial	Salaire annuel 2	Salaire annuel 3	Salaire annuel 4	Link
Adam Smith	Wolves (CAR)	D	25	11/6/1996	No	200 Lbs	6 ft1	No	No	No	1	Pro & Farm	750,000$	742,063$	750,000$	742,063$	0$	0$	No				Lien
Alex Kannok Leipert	Wolves (CAR)	D	22	7/20/2000	Yes	200 Lbs	6 ft0	No	No	No	2	Pro & Farm	850,000$	841,005$	850,000$	841,005$	0$	0$	No	850,000$			Lien
Alexey Lipanov	Wolves (CAR)	C/LW/RW	23	8/17/1999	No	182 Lbs	6 ft1	No	No	No	1	Pro & Farm	897,167$	887,673$	897,167$	887,673$	0$	0$	No				Lien
Anthony Louis	Wolves (CAR)	LW	27	2/10/1995	No	165 Lbs	5 ft7	No	No	No	3	Pro & Farm	750,000$	742,063$	750,000$	742,063$	0$	0$	No	750,000$	750,000$		Lien
Anthony Stolarz (contrat à 1 volet)	Wolves (CAR)	G	28	1/20/1994	No	229 Lbs	6 ft5	No	No	No	4	Pro & Farm	2,800,000$	2,770,370$	2,800,000$	2,770,370$	1,675,000$	1,657,275$	No	2,800,000$	2,800,000$	2,800,000$	Lien
Chris Bigras	Wolves (CAR)	D	27	2/22/1995	No	191 Lbs	6 ft1	No	No	No	3	Pro & Farm	750,000$	742,063$	750,000$	742,063$	0$	0$	No	750,000$	750,000$		Lien
Colton Point	Wolves (CAR)	G	24	7/1/1998	No	229 Lbs	6 ft5	No	No	No	3	Pro & Farm	850,000$	841,005$			0$	0$	No	850,000$	850,000$		Lien
Erik Kallgren	Wolves (CAR)	G	26	7/1/1996	Yes	194 Lbs	6 ft3	No	No	No	1	Pro & Farm	850,000$	841,005$	850,000$	841,005$	0$	0$	No				Lien
Greg Meireles	Wolves (CAR)	RW	23	1/1/1999	Yes	182 Lbs	5 ft11	No	No	No	1	Pro & Farm	750,000$	742,063$	750,000$	742,063$	0$	0$	No				Lien
Justin Kirkland	Wolves (CAR)	LW	26	8/2/1996	No	205 Lbs	6 ft3	No	No	No	1	Pro & Farm	800,000$	791,534$	800,000$	791,534$	0$	0$	No				Lien
Kirill Ustimenko	Wolves (CAR)	G	23	7/1/1999	No	187 Lbs	6 ft3	No	No	No	1	Pro & Farm	700,000$	692,593$	700,000$	692,593$	0$	0$	No				Lien
Koletrane Wilson	Wolves (CAR)	D	23	9/1/1999	Yes	210 Lbs	6 ft2	No	No	No	1	Pro & Farm	750,000$	742,063$	750,000$	742,063$	0$	0$	No				Lien
Kyle Topping	Wolves (CAR)	C/LW/RW	22	11/18/1999	Yes	185 Lbs	5 ft11	No	No	No	2	Pro & Farm	750,000$	742,063$	750,000$	742,063$	0$	0$	No	750,000$			Lien
Luka Burzan	Wolves (CAR)	C/LW/RW	22	1/7/2000	Yes	185 Lbs	6 ft0	No	No	No	2	Pro & Farm	750,000$	742,063$	750,000$	742,063$	0$	0$	No	750,000$			Lien
Matt Filipe	Wolves (CAR)	LW	24	12/31/1997	Yes	196 Lbs	6 ft2	No	No	No	1	Pro & Farm	825,000$	816,270$	825,000$	816,270$	0$	0$	No				Lien
Matthew Kessel	Wolves (CAR)	D	22	6/23/2000	Yes	215 Lbs	6 ft3	No	No	No	2	Pro & Farm	850,000$	841,005$	850,000$	841,005$	0$	0$	No	850,000$			Lien
Morgan Barron	Wolves (CAR)	C	23	12/2/1998	No	220 Lbs	6 ft4	No	No	No	1	Pro & Farm	925,000$	915,212$	925,000$	915,212$	0$	0$	No				Lien
Reece Newkirk	Wolves (CAR)	C/LW/RW	21	2/20/2001	Yes	182 Lbs	5 ft11	No	No	No	3	Pro & Farm	750,000$	742,063$	750,000$	742,063$	0$	0$	No	750,000$	750,000$		Lien
Ryan MacInnis	Wolves (CAR)	C	26	2/14/1996	No	201 Lbs	6 ft4	No	No	No	1	Pro & Farm	750,000$	742,063$	750,000$	742,063$	0$	0$	No				Lien
Ryan Zuhlsdorf	Wolves (CAR)	D	25	7/1/1997	Yes	187 Lbs	5 ft11	No	No	No	2	Pro & Farm	750,000$	742,063$	750,000$	742,063$	0$	0$	No	750,000$			Lien
Tanner Laczynski	Wolves (CAR)	C/LW/RW	25	6/1/1997	No	190 Lbs	6 ft1	No	No	No	2	Pro & Farm	800,000$	791,534$	800,000$	791,534$	0$	0$	No	800,000$			Lien
Tyler Angle	Wolves (CAR)	LW	22	9/30/2000	Yes	172 Lbs	5 ft10	No	No	No	2	Pro & Farm	925,000$	915,212$	925,000$	915,212$	0$	0$	No	925,000$			Lien
Victor Soderstrom	Wolves (CAR)	D	21	2/26/2001	No	184 Lbs	5 ft11	No	No	No	2	Pro & Farm	925,000$	915,212$	925,000$	915,212$	0$	0$	No	925,000$			Lien

Nombre de joueurs	Âge moyen	Poids moyen	Taille moyenne	Contrat moyen	Salaire moyen 1e année
23	23.91	195 Lbs	6 ft1	1.83	891,181$

Attaque à 5 contre 5
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Anthony Louis	Morgan Barron	Justin Kirkland	40	1	2	2
2	Tanner Laczynski	Ryan MacInnis	Tyler Angle	30	1	2	2
3	Kyle Topping	Greg Meireles	Matt Filipe	20	1	2	2
4	Reece Newkirk	Luka Burzan	Anthony Louis	10	1	2	2

Défense à 5 contre 5
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Victor Soderstrom	Adam Smith	40	1	2	2
2	Ryan Zuhlsdorf	Chris Bigras	30	1	2	2
3	Victor Soderstrom	Koletrane Wilson	20	1	2	2
4	Alex Kannok Leipert	Koletrane Wilson	10	1	2	2

Attaque en svantage numérique
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1	Morgan Barron	Anthony Louis	Justin Kirkland	60	1	2	2
2	Tanner Laczynski	Ryan MacInnis	Tyler Angle	40	1	2	2

Défense en svantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Victor Soderstrom	Adam Smith	60	1	2	2
2	Koletrane Wilson	Alex Kannok Leipert	40	1	2	2

Attaque à 4 en désavantage numérique
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Anthony Louis	Justin Kirkland	60	1	2	2
2	Greg Meireles	Kyle Topping	40	1	2	2

Défense à 4 en désavantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Victor Soderstrom	Adam Smith	60	1	2	2
2	Ryan Zuhlsdorf	Koletrane Wilson	40	1	2	2

3 joueurs en désavantage numérique
Ligne #	Ailier	% temps	PHY	DF	OF	Défense	Défense	% temps	PHY	DF	OF
1	Morgan Barron	60	1	2	2	Victor Soderstrom	Adam Smith	60	1	2	2
2	Anthony Louis	40	1	2	2	Koletrane Wilson	Chris Bigras	40	1	2	2

Attaque à 4 contre 4
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1	Anthony Louis	Morgan Barron	60	1	2	2
2	Justin Kirkland	Matt Filipe	40	1	2	2

Défense à 4 contre 4
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1	Adam Smith	Victor Soderstrom	60	1	2	2
2	Chris Bigras	Ryan Zuhlsdorf	40	1	2	2

Attaque dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Anthony Louis	Morgan Barron	Justin Kirkland	Victor Soderstrom	Adam Smith

Défense dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
Anthony Louis	Morgan Barron	Justin Kirkland	Victor Soderstrom	Adam Smith

Attaquants supplémentaires
Normal	Avantage numérique	Désavantage numérique
Luka Burzan, Anthony Louis, Morgan Barron	Justin Kirkland, Ryan MacInnis	Reece Newkirk

Défenseurs supplémentaires
Normal	Avantage numérique	Désavantage numérique
Adam Smith, Victor Soderstrom, Matthew Kessel	Adam Smith	Victor Soderstrom, Adam Smith

Tirs de pénalité
Luka Burzan, Anthony Louis, Morgan Barron, Justin Kirkland, Ryan MacInnis

Gardien
#1 : Anthony Stolarz, #2 : Erik Kallgren

Lignes d’attaque personnalisées en prolongation
Reece Newkirk, Luka Burzan, Anthony Louis, Morgan Barron, Justin Kirkland, Tanner Laczynski, Tanner Laczynski, Ryan MacInnis, Tyler Angle, Kyle Topping, Greg Meireles

Lignes de défense personnalisées en prolongation
Adam Smith, Alex Kannok Leipert, Matthew Kessel, Chris Bigras, Victor Soderstrom

Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

	Total												Domicile											Visiteur
#	VS Équipe	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	P	PCT	G	A	TP	SO	EG	GP1	GP2	GP3	GP4	SHF	SH1	SP2	SP3	SP4	SHA	SHB	Pim	Hit	PPA	PPG	PP%	PKA	PK GA	PK%	PK GF	W OF FO	T OF FO	OF FO%	W DF FO	T DF FO	DF FO%	W NT FO	T NT FO	NT FO%	PZ DF	PZ OF	PZ NT	PC DF	PC OF	PC NT
	Total	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0.000	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0.00%	0	0	0.00%	0	0	0	0.00%	0	0	0.00%	0	0	0.00%	0	0	0	0	0	0

			Total pour les joueurs
Matchs joués	Points	Séquence	Buts	Passes	Points	Tirs pour	Tirs contre	Tirs bloqués	Minutes de pénalités	Mises en échec	Buts en filet désert	Blanchissages
0	0	N/A	0	0	0	0	0	0	0	0	0	0

Tous les matchs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
0	0	0	0	0	0	0	0	0

Matchs locaux
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
0	0	0	0	0	0	0	0	0

Matchs extérieurs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
0	0	0	0	0	0	0	0	0

Derniers 10 matchs
W	L	OTW	OTL	SOW	SOL
0	0	0	0	0	0

Tentatives en avantage numérique	Buts en avantage numérique	% en avantage numérique	Tentatives en désavantage numérique	Buts contre en désavantage numérique	% en désavantage numérique	Buts pour en désavantage numérique
0	0	0.00%	0	0	0.00%	0

Tirs en 1e période	Tirs en 2e période	Tirs en 3e période	Tirs en 4e période	Buts en 1e période	Buts en 2e période	Buts en 3e période	Buts en 4e période
0	0	0	0	0	0	0	0

Mises en jeu
Gagnées en zone offensive	Total en zone offensive	% gagnées en zone offensive	Gagnées en zone défensive	Total en zone défensive	% gagnées en zone défensive	Gagnées en zone neutre	Total en zone neutre	% gagnées en zone neutre
0	0	0.00%	0	0	0.00%	0	0	0.00%

Temps avec la rondelle
En zone offensive	Contrôle en zone offensive	En zone défensive	Contrôle en zone défensive	En zone neutre	Contrôle en zone neutre
0	0	0	0	0	0

Derniers matchs joués Afficher ou masquer des colonnes

Astuces sur les filtres (anglais seulement)

Priority	Type	Description
1	`\|` or `OR`	Logical "or" (Vertical bar). Filter the column for content that matches text from either side of the bar
2	`&&` or `AND`	Logical "and". Filter the column for content that matches text from either side of the operator.
3	`/\d/`	Add any regex to the query to use in the query ("mig" flags can be included `/\w/mig`)
4	`< <= >= >`	Find alphabetical or numerical values less than or greater than or equal to the filtered query
5	`!` or `!=`	Not operator, or not exactly match. Filter the column with content that do not match the query. Include an equal (`=`), single (`'`) or double quote (`"`) to exactly not match a filter.
6	`"` or `=`	To exactly match the search query, add a quote, apostrophe or equal sign to the beginning and/or end of the query
7	`-` or `to`	Find a range of values. Make sure there is a space before and after the dash (or the word "to")
8	`?`	Wildcard for a single, non-space character.
8	`*`	Wildcard for zero or more non-space characters.
9	`~`	Perform a fuzzy search (matches sequential characters) by adding a tilde to the beginning of the query
10	text	Any text entered in the filter will match text found within the column

Jour	Match	Équipe visiteuse	Score	Équipe locale	Score
6 - 2022-09-14	6	Monsters	-	Wolves	-
8 - 2022-09-16	24	Wolves	-	Barracuda	-
11 - 2022-09-19	47	Wolves	-	Firebirds	-
14 - 2022-09-22	69	Wolves	-	Condors	-
16 - 2022-09-24	86	Wolves	-	Heat	-
18 - 2022-09-26	97	Wolves	-	Canucks	-
22 - 2022-09-30	124	Islanders	-	Wolves	-
23 - 2022-10-01	132	Wolves	-	Phantoms	-
25 - 2022-10-03	145	Bears	-	Wolves	-
28 - 2022-10-06	162	Wolves	-	Crunch	-
29 - 2022-10-07	175	Americans	-	Wolves	-
31 - 2022-10-09	191	Marlies	-	Wolves	-
34 - 2022-10-12	207	Wolves	-	Checkers	-
35 - 2022-10-13	212	Condors	-	Wolves	-
37 - 2022-10-15	233	Wolves	-	Eagles	-
39 - 2022-10-17	246	Wolves	-	IceHogs	-
42 - 2022-10-20	261	Eagles	-	Wolves	-
44 - 2022-10-22	283	Wolves	-	Wild	-
46 - 2022-10-24	294	Wolves	-	Moose	-
48 - 2022-10-26	304	Roadrunners	-	Wolves	-
50 - 2022-10-28	318	Wolves	-	Bruins	-
51 - 2022-10-29	333	Heat	-	Wolves	-
54 - 2022-11-01	352	Wolves	-	Penguins	-
56 - 2022-11-03	369	Wolves	-	Thunderbirds	-
58 - 2022-11-05	391	Wolves	-	Reign	-
61 - 2022-11-08	410	Wolves	-	Gulls	-
65 - 2022-11-12	440	Wolves	-	Islanders	-
68 - 2022-11-15	460	Wolves	-	Griffins	-
70 - 2022-11-17	475	Firebirds	-	Wolves	-
72 - 2022-11-19	487	Stars	-	Wolves	-
73 - 2022-11-20	498	Penguins	-	Wolves	-
75 - 2022-11-22	512	Comets	-	Wolves	-
77 - 2022-11-24	526	Wolves	-	Penguins	-
78 - 2022-11-25	535	Phantoms	-	Wolves	-
82 - 2022-11-29	548	IceHogs	-	Wolves	-
85 - 2022-12-02	575	Checkers	-	Wolves	-
87 - 2022-12-04	590	Wolves	-	Comets	-
89 - 2022-12-06	600	Wolves	-	Wolf Pack	-
91 - 2022-12-08	614	Admirals	-	Wolves	-
93 - 2022-12-10	629	Wolves	-	Monsters	-
96 - 2022-12-13	650	Comets	-	Wolves	-
98 - 2022-12-15	662	Wolves	-	Monsters	-
100 - 2022-12-17	682	Penguins	-	Wolves	-
101 - 2022-12-18	692	Canucks	-	Wolves	-
105 - 2022-12-22	721	Wild	-	Wolves	-
107 - 2022-12-24	739	Wolves	-	Islanders	-
111 - 2022-12-28	769	Wolves	-	Stars	-
113 - 2022-12-30	783	Barracuda	-	Wolves	-
115 - 2023-01-01	799	Bruins	-	Wolves	-
117 - 2023-01-03	802	Reign	-	Wolves	-
118 - 2023-01-04	805	Wolves	-	Americans	-
128 - 2023-01-14	841	Wolf Pack	-	Wolves	-
131 - 2023-01-17	855	Wolves	-	Bears	-
133 - 2023-01-19	871	Rocket	-	Wolves	-
135 - 2023-01-21	889	Bears	-	Wolves	-
138 - 2023-01-24	911	Thunderbirds	-	Wolves	-
141 - 2023-01-27	933	Senators	-	Wolves	-
142 - 2023-01-28	939	Gulls	-	Wolves	-
146 - 2023-02-01	972	Wolves	-	Silver Knights	-
148 - 2023-02-03	986	Wolves	-	Roadrunners	-
150 - 2023-02-05	1001	Crunch	-	Wolves	-
152 - 2023-02-07	1012	Wolves	-	Rocket	-
154 - 2023-02-09	1030	Phantoms	-	Wolves	-
156 - 2023-02-11	1046	Silver Knights	-	Wolves	-
157 - 2023-02-12	1056	Wolves	-	Comets	-
159 - 2023-02-14	1068	Moose	-	Wolves	-
162 - 2023-02-17	1092	Wolves	-	Marlies	-
163 - 2023-02-18	1099	Wolves	-	Phantoms	-
166 - 2023-02-21	1120	Wolves	-	Wolf Pack	-
168 - 2023-02-23	1138	Wolf Pack	-	Wolves	-
170 - 2023-02-25	1161	Marlies	-	Wolves	-
171 - 2023-02-26	1166	Bruins	-	Wolves	-
173 - 2023-02-28	1179	Crunch	-	Wolves	-
175 - 2023-03-02	1195	Wolves	-	Griffins	-
177 - 2023-03-04	1207	Wolves	-	Rocket	-
178 - 2023-03-05	1219	Islanders	-	Wolves	-
180 - 2023-03-07	1232	Senators	-	Wolves	-
182 - 2023-03-09	1250	Wolves	-	Admirals	-
184 - 2023-03-11	1257	Wolves	-	Americans	-
186 - 2023-03-13	1277	Wolves	-	Senators	-
187 - 2023-03-14	1288	Griffins	-	Wolves	-
189 - 2023-03-16	1299	Wolves	-	Checkers	-

Capacité de l’aréna - Tendance du prix des billets - %
	Niveau 1	Niveau 2
Capacité	2000	1000
Prix des billets	35	0
Assistance	0.00%	0.00%
Assistance PCT	0.00%	0.00%

Revenu
Matchs à domicile restants	Assistance moyenne - %	Revenu moyen par match	Revenu annuel à ce jour	Capacité	Popularité de l’équipe
41	0 - 0.00%	0$	0$	3000	100

Dépenses
Dépenses annuelles à ce jour	Salaire total des joueurs	Salaire total moyen des joueurs	Salaire des entraineurs
18,728$	1,769,717$	1,684,717$	0$

Plafond salarial par jour	Plafond salarial à ce jour	Joueurs Inclus dans le plafond salarial	Joueurs exclut du plafond Salarial
8,914$	17,828$	0	0

Estimation
Revenus de la saison estimés	Jours restants de la saison	Dépenses par jour	Dépenses de la saison estimées
0$	187	9,364$	1,751,068$

Afficher ou masquer des colonnes

	Total											Domicile											Visiteur
Année	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	GP	W	L	T	OTW	OTL	SOW	SOL	GF	GA	Diff	P	G	A	TP	SO	EG	GP1	GP2	GP3	GP4	SHF	SH1	SP2	SP3	SP4	SHA	SHB	Pim	Hit	PPA	PPG	PP%	PKA	PK GA	PK%	PK GF	W OF FO	T OF FO	OF FO%	W DF FO	T DF FO	DF FO%	W NT FO	T NT FO	NT FO%	PZ DF	PZ OF	PZ NT	PC DF	PC OF	PC NT
Saison régulière
11	82	18	36	0	10	11	5	2	132	178	-46	41	15	18	0	1	4	2	1	71	89	-18	41	3	18	0	9	7	3	1	61	89	-28	79	132	218	350	2	7	12	49	56	19	1434	309	503	577	68	2331	743	237	1218	82	32	39.02%	106	35	66.98%	3	530	1058	50.09%	733	1429	51.29%	423	841	50.30%	1363	506	1659	860	1964	1019
11	82	18	36	0	10	11	5	2	132	178	-46	41	15	18	0	1	4	2	1	71	89	-18	41	3	18	0	9	7	3	1	61	89	-28	79	132	218	350	2	7	12	49	56	19	1434	309	503	577	68	2331	743	237	1218	82	32	39.02%	106	35	66.98%	3	530	1058	50.09%	733	1429	51.29%	423	841	50.30%	1363	506	1659	860	1964	1019
Total Saison régulière	164	36	72	0	20	22	10	4	264	356	-92	82	30	36	0	2	8	4	2	142	178	-36	82	6	36	0	18	14	6	2	122	178	-56	158	264	436	700	4	14	24	98	112	38	2868	618	1006	1154	136	4662	1486	474	2436	164	64	39.02%	212	70	66.98%	6	1060	2116	50.09%	1466	2858	51.29%	846	1682	50.30%	2727	1013	3318	1721	3929	2038

	Wolves
	GP: 0 \| W: 0 \| L: 0 \| OTL: 0 \| P: 0 GF: 0 \| GA: 0 \| PP%: 0.00% \| PK%: 0.00% DG: smartty18 \| Morale : 40 \| Moyenne d’équipe : 57 Prochain matchs #6 vs Monsters