table标签+css代码实现选项卡效果(用)

CSS简介代码实现表格(table)只有横线没有竖线的效果,一个简约卡片化精美的数据表格(类似Bootstrap表格) 实现效果 简单来说先设置 table 的 border-collapse:collapse,把表格整体边框取消。然后设置 table,th,tr,td 底部边框线即可。 HTML: <table> <tr> <th>编号(ID)</th> <th>名称(Name)</th> &lt... 阅读详情

演示效果截图

 table标签+css代码实现选项卡效果

JavaScript代码

<script language=javascript>
function secBoard(n)
{
for(i=0;i<secTable.cells.length;i++)
secTable.cells[i].className="sec1";
secTable.cells[n].className="sec2";
for(i=0;i<mainTable.tBodies.length;i++)
mainTable.tBodies[i].style.display="none";
mainTable.tBodies[n].style.display="block";
}
</script>

CSS代码

<style type=text/css>
td { 
font-size: 12px;
color: #000000;
line-height: 150%;}
.sec1 { 
background-color: #EEEEEE;
cursor: hand;
color: #000000;
border-left: 1px solid #FFFFFF;
border-top: 1px solid #FFFFFF;
border-right: 1px solid gray;
border-bottom: 1px solid #FFFFFF}
.sec2 { 
background-color: #D4D0C8;
cursor: hand;
color: #000000;
border-left: 1px solid #FFFFFF; 
border-top: 1px solid #FFFFFF; 
border-right: 1px solid gray; 
font-weight: bold;}
.main_tab {
background-color: #D4D0C8;
color: #000000;
border-left:1px solid #FFFFFF;
border-right: 1px solid gray;
border-bottom: 1px solid gray;}
</style>

HTML代码

<table border=0 cellspacing=0 cellpadding=0 width=500 id=secTable>
<tr height=20 align=center> 
<td class=sec2 width=10% onclick="secBoard(0)">关于TBODY标记</td>
<td class=sec1 width=10% onclick="secBoard(1)">关于cells集合</td>
<td class=sec1 width=10% onclick="secBoard(2)">关于tBodies集合</td>
<td class=sec1 width=10% onclick="secBoard(3)">关于display属性</td>
</tr>
</table>
<table border=0 cellspacing=0 cellpadding=0 width=500 
height=120 id=mainTable class=main_tab>
<tbody style="display:block;"> 
<tr> 
<td align=center valign=top> <br>
<br>
<h1>www.865171.cn</h1><br />1</td>
</tr>
</tbody> <tbody style="display:none;"> 
<tr> 
<td align=center valign=top> <br>
<br>
<h1>www.865171.cn</h1><br />2</td>
</tr>
</tbody> <tbody style="display:none;"> 
<tr> 
<td align=center valign=top> <br>
<br>
<h1>www.865171.cn</h1><br />3</td>
</tr>
</tbody> <tbody style="display:none;"> 
<tr> 
<td align=center valign=top> <br>
<br>
<h1>www.865171.cn</h1><br />4</td>
</tr>
</tbody> 
</table>
JavaScript 网页简洁TAB选项卡实现教程 Selenium:支持多种浏览器和编程语言的自动化测试框架,可以用于创建回归测试。Puppeteer:一个Node库,它提供了一套高级API来控制Chrome或Chromium浏览器,非常适合进行自动化测试。 阅读详情

相关推荐

前端领域,运用CSS3实现页面动态效果

CSS3 是 CSS(级联样式表)的最新版本,它引入了许多新特性,以帮助开发者更轻松地创建复杂的样式和布局。CSS3 提供了许多新的选择器、属性、函数和值,以支持更丰富的样式设计。 以下是一些 CSS3 的重要特性: 选择器:CSS3 引入了许多新的选择器,包括属性选择器、伪类选择器和伪元素选择器等。这些选择器可以更精确地选择元素,从而实现更复杂的样式设计。 属性:CSS3 添加了许多新属性,以支持更多的样式效果。例如,可以应用渐变、阴影、背景图片等效果。 2D/3D 转换:CSS3 支持对元素进行 2D 和 3D 转换,包括旋转、缩放和倾斜等效果。这可以帮助开发者创建更复杂的动画和交互效果。 动画和过渡:CSS3 提供了两种新的动画和过渡效果,即 @keyframes 和 transition。这些效果可以创建各种动画效果,并实现更平滑的过渡效果。 弹性盒子布局(Flexbox):Flexbox 是一种新的布局模型,可以帮助开发者更轻松地创建复杂的布局。它提供了许多新的属性,如 flex-direction、flex-wrap 和 flex-flow 等。

Table选项卡

table选项卡 需求:制作一个Table选项卡(不是CSS锚点的那种,用到了JavaScript),当鼠标滑过一个选项时显示对应部分的内容 步骤和代码如下: CSS部分 <style> body,ul { padding: 0px; margin: 0px; } .box { height: 400px; width: 500px; margin: 100px auto; ...

qq_42309685的博客 375

CSS3实现答题卡翻页切换特效

CSS3实现答题卡翻页切换特效是一款投资问答CSS3特效下载。

html实现选项卡功能,table标签+css代码实现选项卡效果(用)

演示效果截图 JavaScript代码function secBoard(n){for(i=0;isecTable.cells[i].className="sec1";secTable.cells[n].className="sec2";for(i=0;imainTable.tBodies[i].style.display="none";mainTable.tBodies[n].style.di...

weixin_39929877的博客 452

关于使用vcpkg下载osgearth遇到的问题

注意--x-manifest-root=后面跟着的E:\gitproject\osgearth-osgearth-3.5\vcpkg是你下载的源码解压缩后vcpkg.json的文件地址,然后等待编译完成。安装vcpkg后使用vcpkg install osgearth:x64-windows安装好osgearth并且导入项目使用时,发现无法运行官方文档中示例的main.cpp。这里写一种自己用过的使用vcpkg安装osgearth3.5的方法,源码,打开vcpkg所在的命令行,执行。示例main.cpp。

m0_61776040的博客 1526

Nginx健康检查实战:如何用第三方模块提升服务可用性(附详细配置)

本文深入探讨了如何通过集成第三方健康检查模块来提升Nginx的服务可用性。文章对比了Nginx默认被动检查的局限性,并详细介绍了主动健康检查的核心优势、主流模块选型,以及以nginx_upstream_check_module为例的实战部署与配置指南,帮助运维人员构建更可靠的负载均衡架构。

weixin_28331555的博客 308

table选项卡

今天给大家讲一个简单实用的table选项卡以前写选项卡的时候,老是不知道怎么去写;网上去找一大堆的资料,翻来找去的;最后自己写了一个简单的jquery分享给大家;&lt;style&gt; * { margin:0; padding:0; } .box{ margin:auto; width:608px; height:300px; border:1px solid #666; } u...

荼蘼‘’ 1545

stm32F103定时器使用方法

文章目录1、STM32的Timer简介2、普通定时器TIM2-TIM52.1 时钟来源2.2 计数器模式2.3 编程步骤3、程序源代码4、总结 1、STM32的Timer简介 STM32中一共有11个定时器,其中2个高级控制定时器,4个普通定时器和2个基本定时器,以及2个看门狗定时器和1个系统嘀嗒定时器。其中系统嘀嗒定时器是前文中所描述的SysTick,看门狗定时器以后再详细研究。今天主要是研究剩下的8个定时器。 其中TIM1和TIM8是能够产生3对PWM互补输出的高级登时其,常用于三相电机的驱动,时钟

weixin_43582209的博客 4518

a标签跳到另一个页面指定选项卡_HTML常用标签

a 标签的用法a标签在前端开发中特别常见,一般的使用场景多见于页面跳转,但是a标签还有这些功能基本功能,跳转(href属性)可以跳转的网址形式有 https :具有ssl加密形式的网址http:明文传输的网址//baidu.com 无协议的网址跳转路径 比如 /a/b/c注意这里的路径不是文件路径,而是服务的路径,和路由一样<a href="https://www.baidu.com"&gt...

weixin_39851261的博客 1779

PCL:SAC-IA+ICP配准

【代码】SAC-IA+ICP配准。

m0_71596228的博客 1020

杰理SDK入门教程(一):编译环境的安装和程序下载

本文档提供了杰理SDK在Windows系统下的开发环境配置与代码编译指南。主要内容包括:1) 开发环境安装步骤,需下载Code::Blocks和杰理工具链;2) 编译过程中常见问题的解决方案,如安全警告提示和链接文件缺失问题;3) 代码编译流程说明,包括打开工程、连接开发板、执行编译等步骤。文档特别强调了强制升级模式的操作方法,并指出需避免点击运行/调试按钮。最后提示了杀毒软件可能误报工具链的注意事项。

qq_42014563的博客 2746

使用HTML/CSS实现一个复杂页面--随笔

从开始做任务九到最终完善全部代码大约花了2天时间,零零散散,从刚开始看到题目心想:“这么怎么复杂”,看到其他同学完成的优秀代码时心想:“肯定是用了插件”的不可思议情绪后,到最后自己一步步完美完成,才发现自己之前在山脚下看山峰是有多幼稚,一步一个脚印往上爬,看到山顶太阳的时候,恍然大悟,心旷神怡!谢谢自己的坚持,慢慢地感受和享受着自我提升的过程。总的来说,惊喜的有以下几点: 1、利用input标签中

xumeishan的博客 1042

C#上位机开发揭秘:从新手到大神的蜕变之路,代码实例全解析!

上位机通常是与硬件设备(如嵌入式系统、PLC、传感器等)进行通信的计算机程序。它的作用是通过某种通信协议(如串口、TCP/IP 等)向设备发送命令,并接收设备的反馈数据。上位机需要有一个图形用户界面(GUI)来展示数据或控制硬件设备。通过本篇教程,我们介绍了 C# 上位机开发的基本步骤,从串口通信的实现,到图形用户界面的构建,再到进阶功能的实现。作为上位机开发的新手,掌握这些基础知识是非常重要的。而随着经验的积累,你可以逐步尝试更复杂的功能,比如多线程处理、数据分析与存储等。

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 4837

分享88个选项卡TABJS特效,总有一款适合您

分享88个选项卡TABJS特效,总有一款适合您

MarisTang的博客 237

【产品经理修炼之道】- 优惠券系统从入门到精通(二)

在电商平台中,优惠券的使用场景与频次都很高。那么如何做好一个优惠券系统呢?本文总结了相关流程和设计思路,希望对你有所帮助。上一篇与大家分享了架构中的前端应用、生命周期、优惠券管理中OpenAPI 、基础系统,今天继续与大家分享架构图中优惠券模板部分。

xiaoli8748的专栏 1293

【AutoSAR】【EcuM】ECU状态管理

目录 一、EcuM架构位置 ​二、EcuM功能介绍 三、EcuM状态机 1.STARTUP阶段 2、UP状态 3、shutdown状态 4、休眠状态 5、OFF状态 一、EcuM架构位置 EcuM模块位于系统服务层,如下图红色方框里; 二、EcuM功能介绍 EcuM本身它管理着ECU在STARTUP, RUN,OFF,SLEEP,WAKEUP状态之间的相互切换。 责所有BSW的初始化以及去初始化 和ComM协作来管理网络状态,在需要时关闭ECU 管理所有的唤醒事件,并且在需要时

专注汽车软件开发、AutoSAR、车载以太网、SOA、EE架构。 3356

Tab选项卡

1、首先,打开DW CTRL+N新建一个HTML文档。 2、在body标签对里面写上一个div标签对,类名设置为cont。 3、在div标签里,放置ul标签对,再在ul标签对里放置li标签对然后加上所需要的文字。我在这里放了五个li标签。 4、在类名为cont这个div标签对里面再放置一个类名为tab-box的div,然后给一个id名为box。 5、再在类名为tab-box的div标签对里放一个table标签对,也就是表格。然后放置tr标签对,再在tr标签对里放置td标签对。

ln201009的博客 316

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

用jQuery实现table切换

首先将html标签写出 <div class="tabs"> <div class="title active">标题1</div> <div class="title">标题2</div> <div class="title">标题3</div> <div class="content">内容...

zgq_sir的博客 650

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

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

html 仿浏览器选项卡,html – 使用Bootstrap的全宽度选项卡(支持IE)

我正在尝试调整引导选项卡,使其跨越其容器的全部宽度。这是我的代码(一个最小的工作示例):Full Width Tabs using Bootstrap.full-width-tabs > ul.nav.nav-tabs {display: table;width: 100%;table-layout: fixed; /* To make all "columns" equal width r...

weixin_39839410的博客 301

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")

element ui 选项卡切换_element-ui标签选项卡

书写css代码。.el-date-table { font-size: 12px; user-select: none }.el-slider__button-wrapper, .el-time-panel { -webkit-user-select: none; -moz-user-select: none; -ms-user-select: none }.el-date-table.is-we...

weixin_39547392的博客 612

Zotero-Dark-Theme背后的CSS魔法:核心代码实现原理揭秘

Zotero-Dark-Theme是一款专为Zotero文献管理软件设计的深色主题,通过userChrome.css文件实现界面美化,为用户提供舒适的夜间使用体验。本文将深入剖析其CSS实现原理,揭示如何通过样式代码将Zotero界面转变为优雅的深色模式。 ### 主题实现的核心机制 Zotero作为基于Firefox XUL框架开发的软件,允许用户通过`userChrome.css`文件自定

gitblog_00950的博客 986

html的各种标签

html的各种标签 一 .head中的各种标签 1. <!DOCTYPE html><html>文档类型声明 声明当前文件是一个HTML5文件文档类型声明在一个html文件中必不可少 而且必须在网页第一行 2. <!----> 键盘按键为Ctrl+? 注释 3. <head> head中用于设置网页的相关信息 4. <meta charset="utf

qq_45131570的博客 974

标签页(tab)切换的原生js,jquery和bootstrap实现

概述 这是我在学习课程Tab选项卡切换效果时做的总结和练手。 原课程中只有原生js实现,jquery和bootstrap实现是我自己补上的。 本节内容 标签页(tab)切换的原生js实现 标签页(tab)切换的jquery实现 标签页(tab)切换的bootstrap实现 js实现 说明: 代码是我自己写的,与课程中的不一样。 主要利用display:none来把部分内容隐藏而显示其它内容...

weixin_30823833的博客 437

CSS Tab 选项卡

使用 CSS Tab Designer 设计了一个table   生成了代码之后,发现是通过设置 id=current 来选中的 Css       #tabs8 #current a {              background-position:0% -42px;      }      #tabs8 #current a span {              backgrou...

jxdwuao的专栏 170

一个简单的javascript Tab选项卡切换控件

<!DOCTYPEhtmlPUBLIC"-//W3C//DTDXHTML1.0Transitional//EN""http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"><htmlxmlns="http://www.w3.org/1999/xhtml"><head><metahtt...

weixin_30737433的博客 175
上一篇: C#读取JSON
下一篇: 正则表达式 转义字符(转)
GoodShot
博客等级 码龄22年 968粉丝 281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