Apache2.2+svn1.7 的一个问题解决

ubuntu安装配置Apache2和SVN 由于新公司要搭建新的svn,我因为之前有linux的基础,而且确实在linux中搭建SVN服务器更好维护也更稳定,所以主动接下了任务,然后在网上找了很多资料,发现都不太完整而且资料比较老,下面将自己的搭建过程做个记录,以供其他朋友们做参考 ubuntu安装配置Apache2和SVN   我习惯进入root下操作,所以首先 第一步:安装apache2,subversion,libap 阅读详情

原创文章,转载请注明出处:http://www.aj2ee.com

在自己电脑上写项目,也习惯性的提交到SVN,好让自己对之前写的代码有所备份。

昨天修改完自己的项目,用MyEclipse的subeclipse把项目的修改提交到svn服务器时,竟然无法提交,提示认证失败。
前几天用得还好好的,突然无法使用,觉得很奇怪。
起初以为是subversion的问题,重装subversion后仍然无法提交。到晚上12点多无果后,不管,睡觉
今天下班回来开始研究这错误。
认证失败一般是用户名或密码无效导致,删除svn 保存在系统中的auth 信息,重新输入用户名和密码后,还是无效
我的是apache2.2+svn1.7整合的,考虑到是不是用户密码文件有问题,
我用apache的htpasswd工具重装生成了用户密码文件,无果。
这回失望了。
还是不用apache+svn了。直接用svn:// 协议取版本库吧。 发现有用,这回确认是apache和subversion的通信问题
把要用的mod_authz_svn.so和mod_dav_svn.so重新拷贝到apache的modules目录下,无果
这回想想昨天改了哪些apache的配置。
想想只对虚拟主机修改了默认的404,403,500错误页面。

改成了自己项目下的自己写的几个错误页面

<VirtualHost *:80>
    ServerAdmin front.tang@qq.com
    ServerAlias fronttang.com *.fronttang.com

    ErrorDocument 404 /common/404.jsp
    ErrorDocument 403 /common/403.jsp
    ErrorDocument 500 /common/500.jsp
   .....
</VirtualHost>

是不是这几个ErrorDocument的问题,把这三句注释掉(三句前面加#)
重启apache服务,提交文件,成功
还不敢确定是不是这几个的问题,把注释去掉,重启服务,又是无法提交。
后来确定是加了ErrorDocument 404 /common/404.jsp而出现的问题。

BUG说明:
 软件版本Apache2.2+subversion1.7
 问题描述:apache2.2+subversion1.7整合后,如果虚拟主机配置(<VirtualHost *:80>) 中定义了自定义的404错误
 导致用http协议提交svn版本时无法增加文件,可以增加文件夹,修改删除文件夹。

后来在网上看到解决办法
在apache的svn配置中加如下信息
ErrorDocument 404 default

即:

<Location /svn>  
    DAV svn
    SVNParentPath D:\SvnPro
    SVNListParentPath on
    AuthType Basic
    AuthName "Subversion repositories"
    AuthUserFile D:\SvnPro\conf\passwd
    AuthzSVNAccessFile D:\SvnPro\conf\authz
    Require valid-user
    ErrorDocument 404 default
</Location>


CentOS 7 下 SVN + Apache 对接 LDAP 服务 centos 7 安装 svn Apache 并集成 ldap 认证 阅读详情

相关推荐

Centos7搭建SVN+Apache+iF.SVNAdmin实现web管理SVN

介绍 因为使用命令方式管理太麻烦了,自己用还好,如果突然增加很多人呢?那么就可以使用iF.SVNAdmin来管理SVN. iF.SVNAdmin可以使用户使用http可视化的操作svn服务器,管理svn服务器. 安装相关软件 1.安装Apache yum -y install httpd 2.安装svn服务器和mod_dav_svn (mod_dav_svn是apache服务器访问sv...

TrueDei 1646

记录一下httpd+subversion中遇到的问题

有网络情况下 可以直接通过yum命令进行安装 可参考我前面的文章 无网络情况下安装 1 下载rpm(编译好的文件直接进行安装) 优点 由于已经编译完成并且打包,所以安装很方便 由于套件信息已经记录在Linux主机的数据库中,方便查询、升级与卸载 缺点 安装环境必须与打包时的环境一致 需要满足软件的依赖属性需求 卸载时需要特别小心,最底层的软件不可以先删除,否则可能造成整个系统出问题 先找一个有...

汪振海的专栏 910

腾讯云CodeBuddy+微信小程序:5分钟开发番茄小闹钟

番茄钟是一种简单的时间管理方法。这个方法很简单:你专注工作25分钟,然后休息5分钟。这样可以让你更专心,不容易分心,还能防止过度疲劳。 很多人用番茄钟来提高工作效率,因为它能帮助你更好地管理时间。不过,市面上的一些免费番茄钟应用常常会有广告弹出来,影响使用体验。这就是为什么我们要开发一个没有广告的番茄钟小程序,让用户可以专心工作,不被打扰。

2201_75366661的博客 1690

Apache2.2+svn1.7 的一个错误解决

在自己电脑上写项目,也习惯性的提交到SVN,好让自己对之前写的代码有所备份。 昨天修改完自己的项目,用MyEclipse的subeclipse把项目的修改提交到svn服务器时,竟然无法提交,提示认证失败。 前几天用得还好好的,突然无法使用,觉得很奇怪。 起初以为是subversion的问题,重装subversion后仍然无法提交。到晚上12点多无果后,不管,睡觉 今天下班回来开始研究这错误

FrontTang 889

麒麟V10服务器多硬盘安装与分区实战:告别自动分区,手动分配/boot、swap和/根目录

本文详细介绍了麒麟V10服务器在多硬盘环境下的手动分区策略,包括/boot、swap和/根目录的优化分配方案。通过SSD与HDD混合存储架构的合理规划,提升系统性能和运维效率,适用于企业级定制化系统部署需求。

weixin_26976635的博客 410

Stata:手动安装ivreghdfe包的完整指南与常见问题解决

本文提供了Stata中手动安装ivreghdfe包的完整指南,包括准备工作、详细安装步骤及常见问题解决方案。ivreghdfe作为处理高维固定效应模型的强大工具,依赖ftools、reghdfe和ivreg2三个核心组件,手动安装可避免版本冲突问题。文章还分享了进阶使用技巧,如并行计算加速和保存固定效应估计值,助力用户高效完成工具变量回归分析。

weixin_29251131的博客 933

Ubuntu 下搭建svn,Apache报错:options请求返回无效xml

今日工作目标:        1. 解决昨天搭建svn多库时遇到的错误:      步骤:       1-1: 重新认真按搜到的资料重新部署了一下,结果还是报同样的错误.       1-2: 在ubuntu服务器上完全卸载svn,apache2,并删除目录/etc/apache2下所有的配置文件       1-3: 重新安装svn,apache2,配置了需要的库文件.

小太阳GO 1223

CATIA二次开发CAA:(一)开发环境搭建

CATIA+CAA+RADE+VS2012

ysm1987的博客 1万+

svn Authorization failed错误

查看SVNserver的三个配置文件: 1、svnserve.conf: [general] anon-access = read auth-access = write password-db = passwd authz-db = authz 2、passwd: [users] user=123456 3、authz: [groups] [/] admin= rw 此种异常,一般都是authz文件或者svnserve.conf里,用户组或者用户权限没有配置好,只要设置[/]就...

静以修身,俭以养德 405

合宙Air780EP速连OneNET:AT+MQTT应用指南

本文详细讲解了合宙Air780EP使用AT指令通过MQTT接入OneNET的过程。

2401_82812461的博客 1392

诊断CAPL自动化(3)——封装了接收诊断数据的通用CAPL脚本函数库

DiagGetRespPrimitiveSize (获取诊断响应的单个数据) diagGetPrimitiveData (获取诊断返回的所有数据) DiagGetRespParameter(数值类型) DiagGetRespParameter(字符串类型) DiagGetRespParameter(byte数组)

蚂蚁小兵 6222

Ubuntu下SVN+apache2搭建加密服务的SVN服务器

安装SVN/apach2 sudo apt install subversion apache2 libapache2-svn 创建SVN的Repository svnadmin create /home/test/svn/repo/test 将apach2的运行用户名称加入到当前创建SVN目录的群组. apach2的运行用户名称可以在以下文件中设置: /etc/apache2...

dgj8300的专栏 601

【ARMv8 异常模型入门及渐进7 - GIC及安全中断介绍】

GIC-v3中,引入了支持2种安全状态(secure state),也就是对于中断,根据secure状态,分为安全中断和非安全中断。当然也可以只支持一种安全状态。这里的2种安全状态和1种安全状态,主要是影响中断分组,所使用IRQ和FIQ管脚的映射,以及gic中的寄存器访问。

CodingCos的博客 2116

在Centos环境下安装兼容Apache2.4高版本SVN服务

在阿里云Centos环境下,搭建PHP运行环境,PHP选择了php7版本,Mysql选择了5.7版本,Apache选择了2.4版本,在搭建SVN版本控制服务过程中出现了不兼容问题,当前环境下Apache的2.4版本要求SVN版本必须高于1.7。按照Centos的yum安装方式也是达不到版本要求,在之前的笔记帖子里使用的Apache版本低,所以安装的过程比较顺利,两张方式都有步骤。 http:...

weixin_30627381的博客 127

08-StarRocks性能调优FAQ

StarRocks性能调优摘要 本文提供了StarRocks数据库性能调优的常见问题解答,涵盖查询优化、索引设计、分区策略和系统配置等关键方面。主要内容包括:查询优化技巧(使用EXPLAIN分析、避免全表扫描、优化JOIN和聚合查询);索引选择与维护建议(高频查询列索引、复合索引);分区策略设计(时间分区、范围分区)及其管理方法;以及系统内存配置优化(JVM参数调整、查询内存限制设置)。这些优化措施可显著提升StarRocks的查询性能和系统效率。

欢迎来到我的博客,一起探索代码里的世界! 541

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

Android Studio等基于idea开发环境下关于SVN报错:Can't use Subversion command line client: svn

工作环境(蓝色粗体字为特别注意内容) 1,系统环境:Win7 Ultimate sp1、TortoiseSVN1.11.1-32-bit 刚刚配置好SVN版本管理工具, 打开Android Studio之后发现报错: 2:17 Can't use Subversion command line client: svn The path to the Subv...

pang9998的博客 663

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

centos7.2+mysql5.6.35+subversion1.9.7+apache+https+php5.6.20+manmanager1.10(一)

最近因为windows平台的powershell病毒,导致所有windows服务器都需要迁移到linux,其中也包括svn,迁移过程中遇到很多坑逐一踩过后,现在就过程记录下 这套环境是使用的centos7.2+mysql5.6.35+subversion1.9.7+apache+https+php5.6.20+manmanager1.10 一、centos7.2安装 yum instal...

weixin_30606669的博客 178

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

转:apache+python+mod_python+django 编译安装指南

apache+python+mod_python+django 编译安装指南 1、本文将知道你在 linux 下使用源码包安装 apache 2.2.16 python 2.7 mod_python 3.3.1 django svn trunk version 但是,因为无法得知编译过程中得到的出错信息,故本文默认编译过程全部顺利通过,任何疑问请在文后讨论区中进行。 2、本文中介绍...

weixin_30429201的博客 104

SVN 1.4.3 + APACHE2.2 无法启动

根据网上的一些资料,按照如下步骤 首先将Subversion安装目录bin/下面的两个文件:mod_authz_svn.so和mod_dav_svn.so复制到Apache安装目录modules/目录下。 找到Apache安装目录下的conf目录,用文本编辑器打开httpd.conf,找到一下两行:#LoadModule dav_module modules/mod_dav

sun201201的专栏 2217

windows 7下如何安装Apache + PHP + MySQL + SVN等等

近来对php比较感兴趣,就断断续续的花了两个星期的时间把整个php开发需要用到的东西都装好了,大概的安装过程如下。 一、安装的软件:Apache: 2.2.14PHP:5.2.12MySQL:5.1.42。SVN:1.5.6PHPMyAdmin:3.2.5Zend Studio: 7.1Zend Debugger: 5.1.14 二、安装过程:1.

难得糊涂 1万+

CENTOS7使用SVN+apache搭建一个版本控制服务器

服务概述:版本控制(Revision control)是一种软体工程技巧,籍以在开发的过程中,确保由不同人所编辑的同一档案都得到更新。 SVN(subversion)是版本管理工具,是CVS的接班人。目前,绝大多数开源软件都使用svn作为代码版本管理软件。作为一个运维人员安装和配置SVN服务器和客户端是必须要掌握的内容。版本控制:常见版本控制软件:Cvs  由于之前CVS编码的问题,现在大多数软件...

weixin_41755830的博客 1191

CentOS7.3+MySQL5.7+Apache2.4+PHP7.1+phpMyAdmin4.7+JDK1.8+SVN1.6+Jenkins2.1环境搭建

CentOS7.3+MySQL5.7+Apache2.4+PHP7.1+phpMyAdmin4.7+JDK1.8+SVN1.6+Jenkins2.1环境搭建 1、安装CentOS7.3虚拟机安装说明:在创建虚拟机时,选择桥接模式 1)进入安装界面后,选择Install or upgrade an existing system选项 2)选择 English(United State...

aipoqiu2566的博客 1728

Apache + svn 服务搭建

目录前言一、svn 简介二、常见版本控制软件2.1 git 分布式版本控制器2.2 GitLab版本管理三、SVN两种运行方式四、SVN存储版本数据有2种方式五、 svn 工作流程5.1 SVN+Apache运行原理六、实验步骤6.1 关闭防火墙6.2 安装svn服务 apache服务 和 mod_dav_svn 模块6.3、hpptd:目录结构6.4 创建 svn 仓库6.4.1 创建仓库目录6.4.2、创建svn版本库6.4.3、修改用户、组权限6.4.4、查看版本库6.5

WuDan_1112的博客 2444

ubuntu配置apache2+svn服务器

1.安装apache2和svn: sudo apt-get install apache2        sudo apt-get install subversion        sudo apt-get install libapache2-svn 2.创建 SVN 仓库 通常的情况 下,您应该创建一个名为“Subversion”的用户组,该组是SVN仓库所在的目录的拥有者。下面

PrinceCat2012的专栏 1098

适用SVN部署_编译安装php7.2 _apache2.4

安装支持库: apt-get install libexpat1-dev 编译安装apr apr-util ./buildconf ./configure --prefix=/usr/local/apr 编译安装apr-util ./configure --prefix=/usr/local/apr-util --with-apr=/usr/local/apr 编译安装apache2.4: apt-get install openssl libssl-dev libpcre3 libpcre3.

五岳寻仙不辞远 214

apache2 + WebDAV + svn 1.6安装配置

一、安装apache21. 从apache的源码目录里面找到apr和apr-util单独安装,以便subversion安装时使用  进入apr目录:    ./configure --prefix=/usr/local/apr    make    make test    make install  进入apr-util目录:    ./configure --prefix=/usr/local/apr-util    make    make test    make install2. 安装apach

清草离原 2048
上一篇: 博客开通以来的心得
下一篇: CentOS下配置PHP,phpMyAdmin
「已注销」
博客等级 码龄15年 4粉丝 14原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值