俄亥俄州赫灵顿高中，似乎就在一夜之间，学校的老师以及部分优等生就变得十分奇怪。原本态度和蔼的他们如今冷峻阴森，而这种情况似乎愈演愈烈。
问题学生凯西（Elijah Wood 伊利亚•伍德 饰）和黛丽拉（Jordana Brewster 乔丹娜•布鲁斯特 饰）偶然机缘躲进了衣橱，并由此见证了护士罗莎（Salma Hayek 饰）被残忍杀害的场面。但未过多久，罗莎又完好无损地出现众人面前，表情却如其他老师一般阴森。凯西等人逐渐意识到，这一连串事件和他们发现的某种神秘生物有关，而今这种生物似乎正以令人难以想象的恐怖速度大肆蔓延。危险不断迫近……
监狱释放的反派黑帮轻而易举，简单粗暴地就掌控了奸狡巨滑的黑窟或许是导演安排的传统黑帮的一次回光返照，试图从平成时代回神到昭和，不过显然只是一颗棋子。松坂桃李在剧中被打的千疮百孔也明显显示出缺少了役所广司，一个人真的很难抗。
以为是救了男主的命，原来是拯救了他的生活……很励志，三分之二都在讲怎么训练狗，对狗狗的信任和付出换来了回报！可惜，人生不如意事十之八九，很多事情付出不一定有回报，十分耕耘可能只有二分收获！
哪有还有什么孤狼，不过是体制内的恶犬而已。看完之后，觉得在车内要锁好车门，真的太重要了！另外想说，作为黑社会，你们都不练练枪法吗？这么近距离，都打不中...丢人啊
看到结局有点感动，善良会有回报。剧情整体流畅，就是人狗的感情好像表现不够。
如果说第一部是关于“孤狼意志的传承”，那么第二部更多讲的便是“混乱与无序”。
前作主角光环太强，人物特性亮点甚至盖过剧本，续作松坂桃李全靠大上章吾灵魂附体，虽比以往演技有所突破却无新意。剧情方面血腥版小学生干架，枪战决战尤其搞笑，想靠大尺度卖座，再掏多少眼珠也比不过一个役所广司。
中文这个翻译感觉不是一部片子lol。挺老套的剧情结构，看着下饭挺好。如果想了解k9的话，可以瞅一瞅～
铃木亮平的变态阴狠杀手演得太™到位了，可以说是日本黑帮片的史上最强反派疯狗，智商、残忍度、尤其是战斗力绝对都是100+的。然鹅TOKYO MER里面他又摇身一变仁心医生。这才是真正的变色龙演技。
以为是救了男主的命，原来是拯救了他的生活……很励志，三分之二都在讲怎么训练狗，对狗狗的信任和付出换来了回报！可惜，人生不如意事十之八九，很多事情付出不一定有回报，十分耕耘可能只有二分收获！
还是更喜欢第一部的役所广司，剧情各方面都比第一部要略显沉闷，不是很满意
會拍續集其實頗意外，但2是不錯的延續，白石和彌維持著首集濃厚的昭和風，續集跨度到平成時代，役所廣司的角色死亡後，松坂桃李便接任役所廣司的中間人角色，試圖復刻首集役所廣司塑造出的兇狠孤狼形象，以維持黑白兩邊的和平。鈴木亮平去年在臥底刑警3演瘋狂黑道，這部同樣也飾演手段兇殘的黑道。從昭和到平成，黑白之間的和平很快被打破，在上位者根本不想要掃黑，他們只想要混亂，藉以擁護混亂的帶頭者當黑的代表，役所不在之後，松坂桃李和一票演員都試圖延續首集的狠勁，但不論演技如何，桃李的角色終究只能成為一條會叫囂的犬，終究無法復刻狼的狠勁。結尾再次漂亮的借刀殺人，同時迎來92年肅清黑幫法上路，桃李的角色被流放為做巡邏員警，這不只是昔日鋒芒的褪去，也是日本黑幫時代的輓歌，無人能成為那匹孤狼，而狼的野性也在此絕跡。
真实故事改编就很令人动容。有些人不可信，到你可以永远你的狗子。
Heart warming movie based on real story. It seems like Ruby was saved from knocking down, but actually it’s Ruby saved O’Neil and the kid falling the cliff. Be grateful to the partner no matter it is dog or human.
一直在吃瘪，役所广司果然还是走太早，男主没导师伐来塞
娜娜赛在后半段的哭戏中，演技有所进步啊，前半段还是略显稚嫩
相比于第一部对于大上细腻又巧妙的性格刻画，第二部关于反派上林的塑造很成功，铃木亮平已经很久没演过这么狠的角色了，而幸太这个角色的几场戏拍的也很出色，虹郎对于这个天真，现实又有一些正义感的形象拿捏的很准。至于主角日冈，桃李的表现其实可以，全片日冈所表现出来的的状态就是愤怒和绝望，桃李全程都在“很用力”的想要表现出这种走投无路式的愤怒。
狗狗5分钟不能动，感觉要坚持不住的时候，顶住了！对待狗狗，我们需要多一些耐心、多一些爱，相信它们都能感受到！
前面铺垫了那么久，摊子倒是铺挺大，结果之后结局就给我看个这？
会让我很犹豫给三颗星还是四颗星 相比第一部 剧情上更加戏剧化和脸谱化 一定程度上降低了观影门槛 但缺少了前作那深邃的黑暗 年代感塑造的很好 算得上蛮不错的续作
好狗狗！
Copyright © 2015-2023 All Rights Reserved
