San Jose
Accueil
Formation
Points
Informations joueurs
Lignes
Statistiques d’équipe
Calendrier
Finance

Centre de jeu
	Sharks 16-6-0, 32pts	4	FINAL	2	Monsters 13-12-0, 26pts

Team Stats
W3	Streak	L3
8-4-0	Home Record	6-6-0
8-2-0	Away Record	7-6-0
8-1-1	Last 10 Games	3-6-1
3.91	Buts par match	3.24
3.32	Buts contre par match	3.20
21.13%	Pourcentage en avantage numérique	19.70%
79.63%	Pourcentage en désavantage numérique	84.00%

Monsters
13-12-0, 26pts

FINAL

Sharks
16-6-0, 32pts

Team Stats
L3	Streak	W3
6-6-0	Home Record	8-4-0
7-6-0	Away Record	8-2-0
3-6-1	Last 10 Games	8-1-1
3.24	Buts par match	3.91
3.20	Buts contre par match	3.32
19.70%	Pourcentage en avantage numérique	21.13%
84.00%	Pourcentage en désavantage numérique	79.63%

Meneurs d'équipe
	Buts Samuel Fagemo 16	Passes Nolan Patrick 24

	Points Matthew Phillips 34	Plus/Moins Alex Turcotte 14

	Victoires Pheonix Copley 15	Pourcentage d’arrêts Pheonix Copley 0.92

Statistiques d’équipe
Buts pour 86 3.91 GFG	Tirs pour 1022 46.45 Avg	Pourcentage en avantage numérique 21.1% 15 GF	Début de zone offensive 41.9%
Buts contre 73 3.32 GAA	Tirs contre 921 41.86 Avg	Pourcentage en désavantage numérique 79.6%% 11 GA	Début de la zone défensive 40.3%

Informations de l'équipe
	Directeur général	Marc-Andre Bois
	Division	Atlantique
	Conférence	Est
	Capitaine
	Assistant #1
	Assistant #2
Informations de l’aréna
	Capacité	3,000
	Assistance	2,634
	Billets de saison	300
Informations de la formation
	Équipe Pro	22
	Équipe Mineure	21
	Limite contact	43 / 50
	Espoirs	18

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	Cooper Marody	X		X		100.00	69	67	72	66	67	71	72	68	80	66	66	63	63	44	44	0	50	62	0	24	1	750,000$
2	Nolan Patrick	X		X		100.00	75	44	91	79	73	59	64	72	72	65	58	64	25	54	54	0	50	62	0	23	1	750,000$
3	Matthew Phillips	X		X		100.00	64	53	91	63	53	65	65	68	80	64	69	60	66	44	44	0	50	60	0	23	1	600,000$
4	Samuel Fagemo (R)		X	X		100.00	73	69	82	70	69	72	75	62	50	54	67	63	64	44	44	0	50	60	0	21	2	795,000$
5	Tyler Benson		X			100.00	81	44	82	67	70	52	67	62	25	53	56	60	25	47	47	0	50	57	0	23	1	792,500$
6	Michal Teply (R)		X	X		100.00	79	71	96	63	71	59	59	59	50	56	58	65	55	44	44	0	50	57	0	20	2	825,833$
7	Alex Turcotte (R)	X				100.00	75	43	91	74	67	59	61	56	52	50	55	63	25	44	44	0	50	56	0	20	2	925,000$
8	Austin Wagner		X	X		100.00	63	69	49	62	69	64	67	57	50	47	60	61	57	59	59	0	50	56	0	24	1	722,000$
9	Otto Somppi	X				100.00	77	71	90	67	71	59	60	55	69	59	47	63	45	44	44	0	50	56	0	23	1	600,000$
10	Josh Wilkins	X				100.00	79	73	98	63	66	62	59	52	68	45	51	67	47	44	44	0	50	55	0	24	2	925,002$
11	Jordy Bellerive	X				100.00	66	69	58	63	69	65	68	54	68	56	48	58	46	44	44	0	50	55	0	22	3	733,333$
12	Cam Dineen				X	100.00	67	42	95	66	66	68	64	61	25	55	47	78	25	47	47	0	50	62	0	23	1	1,060,000$
13	Reilly Walsh				X	100.00	75	68	92	67	68	73	78	56	25	52	46	63	44	44	44	0	50	60	0	22	2	700,000$
14	Wyatt Kalynuk				X	100.00	69	68	71	72	68	66	69	55	25	49	46	60	44	46	46	0	50	58	0	24	3	925,000$
15	Helge Grans (R)				X	100.00	82	77	95	60	77	52	52	53	25	46	46	65	44	44	44	0	50	57	0	19	4	847,500$
16	Anttoni Honka (R)				X	100.00	45	39	99	68	65	70	95	49	25	51	38	46	40	58	58	0	50	55	0	20	4	700,000$
17	Brennan Menell				X	100.00	67	64	75	70	64	46	46	49	25	43	40	57	38	44	44	0	50	53	0	24	1	825,000$
Rayé
1	Demetrios Koumontzis (R)		X			100.00	47	44	80	64	64	45	58	36	49	32	33	42	36	50	50	0	50	44	0	21	3	650,000$
2	Henry Thrun (R)				X	100.00	49	45	99	65	71	58	75	45	25	48	34	47	36	54	54	0	50	53	0	20	4	650,000$
3	Marshall Warren (R)				X	100.00	42	34	99	66	59	56	77	38	25	37	32	41	34	54	54	0	50	49	0	20	4	560,000$
4	John St-Ivany (R)				X	100.00	46	41	88	63	64	42	54	32	25	31	27	43	29	54	54	0	50	46	0	22	3	650,000$

	MOYENNE D’ÉQUIPE					100.00	66	57	85	67	67	60	66	54	45	50	49	59	42	48	48	0	50	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	Âge	Contrat	Salaire moyen
1	Pheonix Copley	100.00	58	47	59	82	61	60	61	65	63	63	30	46	46	0	50	60	0	29	1	777,777$
Rayé

	MOYENNE D’ÉQUIPE	100.00	58	47	59	82	61	60	61	65	63	63	30	46	46	0	50	60

Nom de l’entraîneur	PH	DF	OF	PD	EX	LD	PO	CNT	Âge	Contrat	Salaire

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	PKS	PKM	GW	GT	FO%	FOT	HT	P/20	FW	FL	FT	S1	S2	S3
1	Matthew Phillips	Sharks (San)	C/RW	22	13	21	34	12	4	0	13	96	107	40	75	12.15%	13	440	20.02	2	2	4	16	54	0	7	3	1	58.83%	600	2	1.54	0	0	0	2	4	1
2	Alex Turcotte	Sharks (San)	C	22	9	23	32	14	6	0	25	54	109	28	75	8.26%	15	461	20.96	1	1	2	16	50	0	0	1	0	37.21%	86	0	1.39	0	0	0	1	1	4
3	Nolan Patrick	Sharks (San)	C/RW	22	8	24	32	7	4	0	37	127	143	48	113	5.59%	20	553	25.15	1	4	5	21	60	3	40	2	0	56.23%	626	0	1.16	0	0	0	1	2	1
4	Samuel Fagemo	Sharks (San)	LW/RW	22	16	16	32	5	11	5	40	77	166	38	128	9.64%	20	514	23.41	2	6	8	25	64	1	12	3	1	58.33%	48	1	1.24	0	1	0	4	3	3
5	Cam Dineen	Sharks (San)	D	22	11	18	29	3	12	0	71	55	84	28	49	13.10%	70	532	24.20	3	5	8	43	66	0	43	2	0	0.00%	0	0	1.09	0	0	0	2	2	1
6	Michal Teply	Sharks (San)	LW/RW	22	11	13	24	10	12	0	30	39	100	22	71	11.00%	9	421	19.16	0	2	2	14	52	0	1	1	0	42.86%	42	1	1.14	0	0	0	2	0	1
7	Tyler Benson	Sharks (San)	LW	22	3	9	12	-10	6	0	47	47	89	25	52	3.37%	14	379	17.23	1	3	4	9	11	0	11	0	0	32.65%	49	0	0.63	0	0	0	0	0	1
8	Otto Somppi	Sharks (San)	C	22	4	5	9	-10	16	10	21	75	79	17	46	5.06%	17	362	16.48	2	0	2	3	7	0	0	0	1	52.16%	464	0	0.50	1	0	1	0	0	1
9	Jordy Bellerive	Sharks (San)	C	22	6	3	9	-10	10	0	27	28	56	11	53	10.71%	8	389	17.72	2	0	2	3	3	0	22	3	0	44.68%	47	0	0.46	0	0	0	0	1	0
10	Reilly Walsh	Sharks (San)	D	22	1	7	8	4	10	0	70	28	38	11	20	2.63%	41	430	19.58	0	1	1	22	48	0	29	0	0	0.00%	0	0	0.37	0	0	0	0	1	0
11	Anttoni Honka	Sharks (San)	D	22	2	4	6	4	2	0	5	8	22	5	3	9.09%	20	433	19.71	1	0	1	8	48	0	31	1	0	0.00%	0	0	0.28	0	0	0	0	0	1
Statistiques d’équipe totales ou en moyenne				242	84	143	227	29	93	15	386	634	993	273	685	8.46%	247	4919	20.33	15	24	39	180	467	4	201	16	3	54.13%	1962	4	0.92	1	1	1	12	14	14

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
1	Pheonix Copley	Sharks (San)	22	15	4	2	0.920	3.12	1345	2	0	70	872	0	0	0	0.00%	0	22	22	3	1	1
Statistiques d’équipe totales ou en moyenne			22	15	4	2	0.920	3.12	1345	2	0	70	872	0	0	0		0	22	22	3	1	1

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	Plafond salarial	Plafond salarial restant	Exclus du plafond salarial	Salaire annuel 2	Salaire annuel 3	Salaire annuel 4	Link
Alex Turcotte	Sharks (San)	C	20	2001-02-25	Yes	185 Lbs	5 ft11	No	No	No	2	Pro & Farm	925,000$	0$	0$	No	925,000$			Lien
Anttoni Honka	Sharks (San)	D	20	2000-10-05	Yes	189 Lbs	5 ft10	No	No	No	4	Pro & Farm	700,000$	0$	0$	No	700,000$	700,000$	700,000$	Lien
Austin Wagner	Sharks (San)	LW/RW	24	1997-06-23	No	185 Lbs	6 ft1	No	No	Yes	1	Pro & Farm	722,000$	0$	0$	No				Lien
Brennan Menell	Sharks (San)	D	24	1997-05-24	No	177 Lbs	5 ft11	No	No	Yes	1	Pro & Farm	825,000$	0$	0$	No				Lien
Cam Dineen	Sharks (San)	D	23	1998-06-18	No	183 Lbs	5 ft11	No	No	No	1	Pro & Farm	1,060,000$	0$	0$	No				Lien
Cooper Marody	Sharks (San)	C/RW	24	1996-12-20	No	184 Lbs	6 ft0	No	No	Yes	1	Pro & Farm	750,000$	0$	0$	No				Lien
Demetrios Koumontzis	Sharks (San)	LW	21	2000-03-24	Yes	183 Lbs	5 ft10	No	No	No	3	Pro & Farm	650,000$	0$	0$	No	650,000$	650,000$		Lien
Helge Grans	Sharks (San)	D	19	2002-05-10	Yes	205 Lbs	6 ft3	No	No	No	4	Pro & Farm	847,500$	0$	0$	No	847,500$	847,500$	847,500$	Lien
Henry Thrun	Sharks (San)	D	20	2001-03-12	Yes	190 Lbs	6 ft2	No	No	No	4	Pro & Farm	650,000$	0$	0$	No	650,000$	650,000$	650,000$	Lien
John St-Ivany	Sharks (San)	D	22	1999-07-22	Yes	170 Lbs	6 ft1	No	No	No	3	Pro & Farm	650,000$	0$	0$	No	650,000$	650,000$		Lien
Jordy Bellerive	Sharks (San)	C	22	1999-05-02	No	195 Lbs	5 ft10	No	No	No	3	Pro & Farm	733,333$	0$	0$	No	733,333$	733,333$		Lien
Josh Wilkins	Sharks (San)	C	24	1997-06-11	No	181 Lbs	5 ft11	No	No	Yes	2	Pro & Farm	925,002$	0$	0$	No	925,002$			Lien
Marshall Warren	Sharks (San)	D	20	2001-04-20	Yes	163 Lbs	5 ft11	No	No	No	4	Pro & Farm	560,000$	0$	0$	No	560,000$	560,000$	560,000$	Lien
Matthew Phillips	Sharks (San)	C/RW	23	1998-04-06	No	150 Lbs	5 ft7	No	No	No	1	Pro & Farm	600,000$	0$	0$	No				Lien
Michal Teply	Sharks (San)	LW/RW	20	2001-05-27	Yes	187 Lbs	6 ft3	No	No	No	2	Pro & Farm	825,833$	0$	0$	No	825,833$			Lien
Nolan Patrick	Sharks (San)	C/RW	23	1998-09-19	No	198 Lbs	6 ft2	No	No	No	1	Pro & Farm	750,000$	0$	0$	No				Lien
Otto Somppi	Sharks (San)	C	23	1998-01-12	No	190 Lbs	6 ft1	No	No	No	1	Pro & Farm	600,000$	0$	0$	No				Lien
Pheonix Copley (contrat à 1 volet)	Sharks (San)	G	29	1992-01-18	No	198 Lbs	6 ft4	No	No	Yes	1	Pro & Farm	777,777$	0$	0$	No				Lien
Reilly Walsh	Sharks (San)	D	22	1999-04-21	No	185 Lbs	6 ft0	No	No	No	2	Pro & Farm	700,000$	0$	0$	No	700,000$			Lien
Samuel Fagemo	Sharks (San)	LW/RW	21	2000-03-14	Yes	190 Lbs	5 ft11	No	No	No	2	Pro & Farm	795,000$	0$	0$	No	795,000$			Lien
Tyler Benson	Sharks (San)	LW	23	1998-03-15	No	192 Lbs	6 ft0	No	No	No	1	Pro & Farm	792,500$	0$	0$	No				Lien
Wyatt Kalynuk	Sharks (San)	D	24	1997-04-14	No	180 Lbs	6 ft1	No	No	Yes	3	Pro & Farm	925,000$	0$	0$	No	925,000$	925,000$		Lien

Nombre de joueurs	Âge moyen	Poids moyen	Taille moyenne	Contrat moyen	Salaire moyen 1e année
22	22.32	185 Lbs	6 ft0	2.14	761,998$

Attaque à 5 contre 5
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1		Nolan Patrick	Samuel Fagemo	40	1	2	2
2	Michal Teply	Matthew Phillips	Alex Turcotte	30	1	2	2
3	Tyler Benson	Otto Somppi	Jordy Bellerive	20	1	2	2
4		Alex Turcotte	Nolan Patrick	10	1	2	2

Défense à 5 contre 5
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1		Cam Dineen	40	1	2	2
2	Reilly Walsh	Anttoni Honka	30	1	2	2
3			20	1	2	2
4			10	1	2	2

Attaque en avantage numérique
Ligne #	Ailier gauche	Centre	Ailier droit	% temps	PHY	DF	OF
1		Nolan Patrick	Samuel Fagemo	60	1	2	2
2	Michal Teply	Matthew Phillips	Alex Turcotte	40	1	2	2

Défense en avantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1		Cam Dineen	60	1	2	2
2	Reilly Walsh	Anttoni Honka	40	1	2	2

Attaque à 4 en désavantage numérique
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1		Nolan Patrick	60	1	2	2
2	Samuel Fagemo	Matthew Phillips	40	1	2	2

Défense à 4 en désavantage numérique
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1		Cam Dineen	60	1	2	2
2	Reilly Walsh	Anttoni Honka	40	1	2	2

3 joueurs en désavantage numérique
Ligne #	Ailier	% temps	PHY	DF	OF	Défense	Défense	% temps	PHY	DF	OF
1		60	1	2	2		Cam Dineen	60	1	2	2
2	Nolan Patrick	40	1	2	2	Reilly Walsh	Anttoni Honka	40	1	2	2

Attaque à 4 contre 4
Ligne #	Centre	Ailier	% temps	PHY	DF	OF
1		Nolan Patrick	60	1	2	2
2	Samuel Fagemo	Matthew Phillips	40	1	2	2

Défense à 4 contre 4
Ligne #	Défense	Défense	% temps	PHY	DF	OF
1		Cam Dineen	60	1	2	2
2	Reilly Walsh	Anttoni Honka	40	1	2	2

Attaque dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
	Nolan Patrick	Samuel Fagemo		Cam Dineen

Défense dernière minute
Ailier gauche	Centre	Ailier droit	Défense	Défense
	Nolan Patrick	Samuel Fagemo		Cam Dineen

Attaquants supplémentaires
Normal	Avantage numérique	Désavantage numérique
Tyler Benson, Otto Somppi, Jordy Bellerive	Tyler Benson, Otto Somppi	Jordy Bellerive

Défenseurs supplémentaires
Normal	Avantage numérique	Désavantage numérique
, ,		,

Tirs de pénalité
, Nolan Patrick, Samuel Fagemo, Matthew Phillips, Michal Teply

Gardien
#1 : , #2 : Pheonix Copley

Lignes d’attaque personnalisées en prolongation
, , , , , , , , , ,

Lignes de défense personnalisées en prolongation
, , , ,

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
1	Bears	5	4	1	0	0	0	0	0	18	13	5	3	2	1	0	0	0	0	0	10	9	1	2	2	0	0	0	0	0	0	8	4	4	8	0.800	18	35	53	0	0	37	24	21	4	222	321	339	290	72	185	49	36	95	18	4	22.22%	13	2	84.62%	0	472	901	52.39%	437	867	50.40%	214	382	56.02%	552	390	572	172	297	146
2	Monsters	5	4	1	0	0	0	0	0	22	18	4	3	2	1	0	0	0	0	0	14	13	1	2	2	0	0	0	0	0	0	8	5	3	8	0.800	22	39	61	0	0	37	24	21	4	261	321	339	290	72	166	49	12	104	18	2	11.11%	6	2	66.67%	0	472	901	52.39%	437	867	50.40%	214	382	56.02%	552	390	572	172	297	146
3	Oceanics	5	4	1	0	0	0	0	0	20	16	4	3	2	1	0	0	0	0	0	14	12	2	2	2	0	0	0	0	0	0	6	4	2	8	0.800	20	35	55	0	0	37	24	21	4	233	321	339	290	72	250	95	35	118	18	4	22.22%	14	2	85.71%	0	472	901	52.39%	437	867	50.40%	214	382	56.02%	552	390	572	172	297	146
4	Spiders	7	4	3	0	0	0	0	0	26	26	0	3	2	1	0	0	0	0	0	14	10	4	4	2	2	0	0	0	0	0	12	16	-4	8	0.571	26	47	73	0	0	37	24	21	4	306	321	339	290	72	320	102	42	158	17	5	29.41%	21	5	76.19%	0	472	901	52.39%	437	867	50.40%	214	382	56.02%	552	390	572	172	297	146
	Total	22	16	6	0	0	0	0	0	86	73	13	12	8	4	0	0	0	0	0	52	44	8	10	8	2	0	0	0	0	0	34	29	5	32	0.727	86	156	242	0	0	37	24	21	4	1022	321	339	290	72	921	295	125	475	71	15	21.13%	54	11	79.63%	0	472	901	52.39%	437	867	50.40%	214	382	56.02%	552	390	572	172	297	146
	_Since Last GM Reset	22	16	6	0	0	0	0	0	86	73	13	12	8	4	0	0	0	0	0	52	44	8	10	8	2	0	0	0	0	0	34	29	5	32	0.727	86	156	242	0	0	37	24	21	4	1022	321	339	290	72	921	295	125	475	71	15	21.13%	54	11	79.63%	0	472	901	52.39%	437	867	50.40%	214	382	56.02%	552	390	572	172	297	146
	_Vs Conference	17	12	5	0	0	0	0	0	64	55	9	9	6	3	0	0	0	0	0	38	31	7	8	6	2	0	0	0	0	0	26	24	2	24	0.706	64	117	181	0	0	37	24	21	4	761	321	339	290	72	755	246	113	371	53	13	24.53%	48	9	81.25%	0	472	901	52.39%	437	867	50.40%	214	382	56.02%	552	390	572	172	297	146

			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
22	32	W3	86	156	242	1022	921	295	125	475	0	0

Tous les matchs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
22	16	6	0	0	0	0	86	73

Matchs locaux
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
12	8	4	0	0	0	0	52	44

Matchs extérieurs
GP	W	L	OTW	OTL	SOW	SOL	GF	GA
10	8	2	0	0	0	0	34	29

Derniers 10 matchs
W	L	OTW	OTL	SOW	SOL
8	1	0	1	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
71	15	21.13%	54	11	79.63%	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
321	339	290	72	37	24	21	4

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
472	901	52.39%	437	867	50.40%	214	382	56.02%

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
552	390	572	172	297	146

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	ST	OT	Lien
1 - 2023-04-17	2	Oceanics	5	Sharks	4	BL	X	Sommaire du match
3 - 2023-04-19	10	Oceanics	4	Sharks	5	BW		Sommaire du match
5 - 2023-04-21	18	Sharks	3	Oceanics	2	AW	X	Sommaire du match
7 - 2023-04-23	26	Sharks	3	Oceanics	2	AW		Sommaire du match
9 - 2023-04-25	34	Oceanics	3	Sharks	5	BW		Sommaire du match
15 - 2023-05-01	58	Bears	5	Sharks	2	BL		Sommaire du match
17 - 2023-05-03	62	Bears	2	Sharks	4	BW		Sommaire du match
19 - 2023-05-05	66	Sharks	3	Bears	1	AW		Sommaire du match
21 - 2023-05-07	70	Sharks	5	Bears	3	AW		Sommaire du match
23 - 2023-05-09	74	Bears	2	Sharks	4	BW		Sommaire du match
29 - 2023-05-15	85	Sharks	2	Spiders	6	AL		Sommaire du match
31 - 2023-05-17	87	Sharks	2	Spiders	5	AL		Sommaire du match
33 - 2023-05-19	89	Spiders	2	Sharks	3	BW	X	Sommaire du match
35 - 2023-05-21	91	Spiders	1	Sharks	7	BW		Sommaire du match
37 - 2023-05-23	93	Sharks	4	Spiders	2	AW		Sommaire du match
39 - 2023-05-25	95	Spiders	7	Sharks	4	BL		Sommaire du match
41 - 2023-05-27	97	Sharks	4	Spiders	3	AW	X	Sommaire du match
43 - 2023-05-29	99	Monsters	5	Sharks	6	BW	X	Sommaire du match
44 - 2023-05-30	100	Monsters	4	Sharks	3	BL	X	Sommaire du match
45 - 2023-05-31	101	Sharks	4	Monsters	3	AW		Sommaire du match
46 - 2023-06-01	102	Sharks	4	Monsters	2	AW		Sommaire du match
47 - 2023-06-02	103	Monsters	4	Sharks	5	BW		Sommaire du match

Capacité de l’aréna - Tendance du prix des billets - %
	Niveau 1	Niveau 2
Capacité	1750	1250
Prix des billets	50	20
Assistance	18,017	13,596
Assistance PCT	85.80%	90.64%

Revenu
Matchs à domicile restants	Assistance moyenne - %	Revenu moyen par match	Revenu annuel à ce jour	Capacité	Popularité de l’équipe
29	2634 - 87.81%	97,731$	1,172,770$	3000	100

Dépenses
Dépenses annuelles à ce jour	Salaire total des joueurs	Salaire total moyen des joueurs	Salaire des entraineurs
0$	1,598,616$	1,598,616$	0$

Plafond salarial par jour	Plafond salarial à ce jour	Joueurs Inclus dans le plafond salarial	Joueurs exclut du plafond Salarial
0$	0$	0	0

Estimation
Revenus de la saison estimés	Jours restants de la saison	Dépenses par jour	Dépenses de la saison estimées
0$	0	0$	0$

Sharks Leaders statistiques (saison régulière)

Afficher ou masquer des colonnes

#	Nom du joueur	GP	G	A	P	+/-	PIM	HIT	HTT	SHT	SHT%	SB	MP	AMG	PPG	PPA	PPP	PPS	PKG	PKA	PKP	PKS	GW	GT	FO%	HT	P/20	PSG	PSS

Sharks Leaders des statistiques des gardiens (saison régulière)

Afficher ou masquer des colonnes

#	Nom du gardien	GP	W	L	OTL	PCT	GAA	MP	PIM	SO	GA	SA	SAR	A	EG	PS %	PSA

Sharks Statistiques de l'Équipe de Carrière

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

Sharks Leaders statistiques (séries éliminatoires)

Afficher ou masquer des colonnes

#	Nom du joueur	GP	G	A	P	+/-	PIM	HIT	HTT	SHT	SHT%	SB	MP	AMG	PPG	PPA	PPP	PPS	PKG	PKA	PKP	PKS	GW	GT	FO%	HT	P/20	PSG	PSS

Sharks Leaders des statistiques des gardiens (séries éliminatoires)

Afficher ou masquer des colonnes

#	Nom du gardien	GP	W	L	OTL	PCT	GAA	MP	PIM	SO	GA	SA	SAR	A	EG	PS %	PSA

	Sharks
	GP: 22 \| W: 16 \| L: 6 GF: 86 \| GA: 73 \| PP%: 21.13% \| PK%: 79.63% DG: Marc-Andre Bois \| Morale : 50 \| Moyenne d’équipe : 56