JS一些数字计算

js中数字计算时丢失精度问题解决 在 JavaScript 中,浮点数运算时常会出现精度丢失问题,因为 JavaScript 使用 IEEE 754 双精度浮点数标准表示数字,这可能导致在进行数学运算时精度丢失。选择适合你需求的方法进行处理,可以帮助你避免在计算过程中出现的精度问题。方法可以将数字格式化为固定的小数位数,从而避免精度丢失。有时可以通过数学技巧来减少浮点数运算的误差,例如通过乘法和除法将所有运算转换为整数运算,最终再转换回浮点数。方法可以将浮点数转换为指定小数位数的字符串,避免了显示时的精度问题。 阅读详情

数字转换带有千分位分隔符的数据方法

MoneyFormat(money) {
   if (money && money != null) {
	     money = String(money);
	     var left = money.split('.')[0] ,right = money.split('.')[1];
	   	 right = right ? (right.length >= 2 ? '.' + right.substr(0, 2) : '.' + right + '0') : '.00';
	     var temp = left.split('').reverse().join('').match(/(\d{1,3})/g);
	     return (Number(money) < 0 ? '-' : '') + temp.join(',').split('').reverse().join('')   + right;
    } else if (money === 0) { // 注意===在这里的使用,如果传入的money为0,if中会将其判定为boolean类型,故而要另外做===判断
         return '0.00';
    } else {
         return '';
    }
},

//数据平分占比
‘a’, ‘b’, ‘c’, ‘d’, ‘e’ 的平均占比是20%

    function avg(){
	    var arr=["a",'b',"c",'d','e']
	    var arr2=[]
        var num=arr.length
        for(let i=0;i<num;i++){
            arr2[i]=Math.floor(100/num) 
        }
        let k=100 % num;
        for(k; k>0; k--){
            arr2[k-1]++
        }
    }
    console.log(arr2,arr) [20, 20, 20, 20, 20]  ['a', 'b', 'c', 'd', 'e']

在这里插入图片描述
根据输入的数据改变比例 5 4 3 2 1 站的比例分别为33% 27% 20% 13% 7%

    var weightData=[5,4,3,2,1];
    var weightVal=[]
    var total=0; //总称重值
    for(let i=0; i<weightData.length; i++){
        if(total==0){
            total=weightData[i]
        }else{
            total=parseInt(total)+parseInt(weightData[i])
        }
    }
    for(let i=0; i<weightData.length; i++){
        weightVal[i]=(weightData[i]/total *100).toFixed(0)
    }
    console.log(weightData,weightVal) [5, 4, 3, 2, 1]  ['33', '27', '20', '13', '7']

在这里插入图片描述

Js 精度问题_Js 数字计算精度问题 一、Js 精度问题_Js 数字计算精度问题 var num1 = 0.01; var num2 = 0.2; var num3 = num1 + num2; console.info(num3);//0.21000000000000002 计算结果 // 加法 ===================== 0.1 + 0.2 = 0.30000000000000004 0.7 + 0.1 = 0.7999999999999999 0.2 阅读详情

相关推荐

速腾Helios-16P使用Lego-loam实时构建点云地图(二)——Lego-loam的编译与运行

不兼容的问题,打开lego-loam的~/lego-loam_ws/src/LeGO-LOAM/LeGO-LOAM/src下的4个源码文件,搜索/camera_init,将所有/camera_init改成camera_init,也就是去掉斜杠,这样再回到工作空间重新编译lego-loam。3、速腾16线激光雷达RS-16 ----- 3D建图算法LeGO-LOAM的使用(Ubuntu18.04 + ROS Melodic)_速腾16线 lego loam_杰尼君的博客-优快云博客。

qq_59475883的博客 2568

javaScript的数学计算

js自带的数学计算的方法 默认加减乘除符号: +、-、*、/ NaN与任意操作数加减乘除,结果都是NaN 加法 数字与字符串相加会拼接成字符串 //特殊操作数的求和(n代表任意数字) //NaN与任意操作数相加,结果都是NaN console.log(NaN + n); //Infinity.与任意操作数相加,结果都是Infinity //无限。与任意操作数相加,结果都是无限 console.log(Infinity + n); //(infinity+n); //Infinity与Infinity相加,

weixin_44044929的博客 1万+

【胡学长 带你学 Global Mapper 】如何将影像地图转换为国家2000坐标系

多部门联合开展工作坐标数据不匹配怎么办?Hi,我是胡学长!今天教大家如何利用Global Mapper将谷歌影像数据转换为国家2000坐标系影像数据 。

一起来交流学习吧 1万+

JS之数据运算

运算符 算术(数学)运算 支持:加(+)、减(-)、乘(*)、除(/)、求余(%) 值得注意的是,+和-可以放到单个数据的前面,表示正负。 算术运算的表达式一定返回数字,可以利用其特点做类型转换 字符串拼接 当’+'的两端有一个是字符串时,不再进行算术运算,而变为字符串拼接 表达式一定返回string,可以利用其特点做类型转换 赋值运算 涉及的运算符:= += -= *= /= %=。 其中,a += xxx,等效于a = a + (xxx),其他类似 小贴士 赋值表达式始终返回赋值结果,我们

狡辉两门的博客 1175

KNX实战—ETS5_智能开关从零到一的配置全流程

本文详细介绍了使用ETS5软件配置KNX智能开关的完整流程。从创建项目、构建建筑结构,到导入产品数据库、添加并配置开关模块与智能面板,再到设置延时开关、闪烁报警等进阶功能,并深入解析了群组地址的配置与链接方法。最后指导完成项目校验与程序下载,帮助用户实现从零到一的智能灯光基础控制功能配置。

joy55的博客 541

图神经网络与大模型融合的理论综述:架构、机制与未来方向

然而,它们普遍缺乏对图结构数据的原生支持,无法直接处理边、节点之间的拓扑关系,这限制了其在关系密集型任务中的表现 [23]。2020年发布的BERT [16] 开启了自监督预训练时代,而2021年后,T5 [17]、PaLM [18]、LLaMA [19] 等模型相继推出,参数规模突破千亿级,展现出惊人的上下文学习(In-context Learning)与链式推理(Chain-of-Thought)能力 [20]。例如,将医学影像作为图节点,结合病理报告文本,实现更精准的疾病诊断 [58]。

andeyeluguo的博客 295

JavaScript基础之数值计算

它具有灵活的表达式解析器,支持符号计算,配有大量内置函数和常量,并提供集成解决方案来处理不同的数据类型 像数字,大数字(超出安全数的数字),复数,分数,单位和矩阵。还有一些其他的解决方案,简单的说需要将浮点数转换字符串,分隔成为整数部分和小数部分,小数部分再转换为整数,计算结果后,再转换为浮点数。xx的形式,其中xx…因此,JavaScript提供的有效数字最长为53个二进制位(64位浮点的后52位+有效数字第一位的1)。符号位决定了一个数的正负,指数部分决定了数值的大小,小数部分决定了数值的精度。

BradenHan的专栏 1787

最小二乘(MLS)求点云法向量

MLS算法的基本思想是通过在点云的局部邻域内拟合一个光滑曲面,如平面或多项式曲面,以此来重建和处理点云数据。对于法向量估计,MLS通常在每个点的邻域内拟合局部平面,然后从该平面的法向量作为点的法向量。

twnkie的博客 744

JS教程(算数)

运算符优先级(Operator precedence)描述了在算术表达式中所执行操作的顺序。提示:括号中的表达式会在值在表达式的其余部分中被使用之前进行完全计算。例的结果是 250 * 2 还是 200 + 100 呢?取幂运算符(**)将第一个操作数提升到第二个操作数的幂。注释:在数学中,模运算的结果是算术除法的余数。算术运算符对数值(文字或变量)执行算术运算。注释:在算术中,两个整数的除法产生商和余数。当使用括号时,括号中的运算符会首先被计算。在传统的学校数学中,乘法是优先的。在算术运算中,数被称为。

a6481846的博客 1414

基于MATLAB的BOC调制信号捕获算法仿真

然而,在实际的使用过程中,由于室内信号衰减以及遮挡等因素的影响,接收机在GPS信号弱化时会很容易丢失导航信息。与其他的调制方式相比,BOC具有较好的抗多径性能和更高的频带效率。通过本文的介绍,我们可以更加深入地了解BOC调制信号的捕获算法,并且掌握了如何使用MATLAB软件对其进行仿真实现。通过实验数据的分析,我们可以看出该算法对于BOC调制信号的捕获具有较高的准确率和稳定性,因此具有一定的工程应用价值。在BOC调制完成后,我们需要进行信号的捕获,这一步涵盖了信号检测、码偏差估计、载波频率估计等过程。

2301_79326559的博客 567

复现论文《大规模风电场电磁暂态高效建模仿真方法》

本文提出了一种针对大规模风电场电磁暂态(EMT)仿真的高效建模方法。通过三种关键技术实现仿真加速:(1)永磁直驱风电机组一体化等效建模,采用节点导纳矩阵降维将25节点机组简化为4端子电路,仿真速度提升1-3个数量级;(2)基于戴维南/诺顿等效和OpenMP并行计算的风电场整体建模,通过串并联叠加实现节点收缩,30台机组仿真加速近万倍;(3)受控源映射解耦方法提高故障仿真灵活性。复现代码展示了核心算法实现,包括导纳矩阵Schur补降维、多进程并行计算框架以及受控源解耦方法。

huanghm88的专栏 279

前端开发常用的金额数字处理

前端对金额的处理,元转分,分转元,元转万,万转元,金额大小写转换

baiqiangdoudou的博客 2888

MuJoCo 入门教程(四)建模

在 MJCF 中,一个体可以包含多个关节,因此无需引入虚拟体来创建复合关节。相反,只需在同一主体中定义构成所需复合关节的所有原始关节即可。例如,可以使用两个滑块和一个铰链来模拟在平面内运动的肢体。其他 MJCF 元素可以在嵌套的主体元素所创建的树中定义,特别是关节、几何体、场地、摄像机、灯光。当一个元素被定义在一个肢体内时,它就固定在该肢体的局部坐标系上,并始终随其移动。涉及多个机构或根本不涉及机构的元素,将在运动树之外的单独部分中定义。

机器人控制与仿真应用 4162

js数字计算

摘要:JavaScript使用64位双精度浮点数表示数字,由于二进制无法精确表示某些十进制小数(如0.1和0.2),导致计算时出现精度问题。解决方法包括:1)转为整数计算;2)使用toFixed()或Math.round()处理小数;3)使用BigInt处理大整数;4)借助第三方库(math.js、decimal.js、big.js)进行高精度计算。不同库在功能、大小和性能上各有特点,应根据需求选择。浮点数精度问题源于二进制存储限制,在金融等对精度要求高的场景需要特别注意。

weixin_小白鼠的博客 720

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

使用js处理大数字计算

您可以使用 JavaScript 库来处理大数字计算。 例如,您可以使用库如 "big.js" 或 "bignumber.js"。 这些库可以帮助您处理大范围内的数字,并提供丰富的数学函数,如加法、减法、乘法和除法。 下面是使用 "big.js" 的示例代码: const Big = require('big.js'); // 创建大数字对象 const bigNum = new Big(123...

weixin_35754962的博客 864

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")

Javascript数字计算精度丢失问题

js计算的时候会将小数部分转换为二进制进行计算,由于某些浮点数没办法用二进制准确的表示出来,也就带来了一系列精度问题。

adafdsfas的博客 441

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

利用javascript编写用户输入两个数,计算两个数字之间所以数字的和

JavaScript求两个数字之间所有数字的和 这是在fcc上的中级算法中的第一题,拉出来的原因并不是因为有什么好说的,而是我刚看时以为是求两个数字的和, ..利用javascript编写用户输入两个数,计算两个数字之间所以数字的和,JavaScript求两个数字之间所有数字的和 0 2017-01-07 00:00:05 这是在fcc上的中级算法中的第一题,拉出来的原因并不是因为有什么好说的,而是我刚看时以为是求两个数字的和, ..利用javascript编写用户输入两个数,计算两个数字之间所以数字的和

小杨的博客 9315

彻底解决JavaScript精度难题:bignumber.js让数字计算不再踩坑

你是否还在为JavaScript中0.1 + 0.2不等于0.3而头疼?是否在处理金融数据时因精度丢失而心惊胆战?bignumber.js(GitHub 加速计划 / bi / bignumber.js)作为一款专注于任意精度十进制算术运算的JavaScript库,彻底解决了这些问题。本文将带你从基础使用到高级配置,全面掌握这款工具,让数字计算从此准确无忧。 ## 为什么选择bignumber.

gitblog_00649的博客 819

js使用函数完成任意数字阶乘的计算 要求:页面输入任意数字,点击按钮后计算阶乘

<!DOCTYPE html> <html> <head> <meta charset="UTF-8"> <title></title> </head> <body> <input type="text" name="text1" id="text1" placeholder="...

大佐 9762

javascript计算数字和的方法,js编程实现数字求和

这篇文章主要介绍了js数组求和的方法(最高效率),具有一定借鉴价值,需要的朋友可以参考下。原文链接:https://blog.youkuaiyun.com/asd18293347341/article/details/122640778。版权声明:本文为优快云博主「天时992」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。拓展:注意reduce()方法的最后一个参数(下面是个特例),避坑!方法一:通过原型对象扩展内置对象方法(即给Array增加方法)方法六:eval()方法。

wenangou的博客 1459

大数字计算终极指南:如何用 bignumber.js 处理任意精度运算

bignumber.js 是一个功能强大的 JavaScript 库,专门用于处理任意精度的十进制和非十进制算术运算。无论你是需要处理金融计算、科学计算,还是任何需要高精度数字运算的场景,这个库都能提供完美的解决方案。😊 ## 🔥 为什么你需要 bignumber.js? JavaScript 原生的 Number 类型存在精度限制,当处理大数字时经常会出现精度丢失的问题。比如: ```

gitblog_00701的博客 1362

JS:格式化数字的计算读写

这两天写着如下有关数字计算的一些Javascript. function Sum() { var sum; var obj1=document.getElementById("Control1"); var obj2=document.getElementById("Control2"); var obj3=document.getElementById("Control3")...

weixin_30528371的博客 90

js编写一个函数,计算任意两个数字之间所能组成的奇数个数,数字必须是个位数 比如: 计算0-3之间能组成的奇数个是01、21、03、13、23、31

<!DOCTYPE html> <html> <head> <meta charset="UTF-8"> <title></title> </head> <body> <script type="text/javascript"> /*编写一个函数,计算任意两个数字之...

大佐 4954

JS数字计算精度问题解决

JS数字计算精度问题解决

weixin_46020146的博客 137

JS数字计算精度误差的解决方法

JS数字计算精度误差的解决方法

w36680130的博客 376

前端如何应对精确数字运算?用BigNumber.js解决JavaScript原生Number类型在处理大数或高精度计算时的局限性

BigNumber.js专注于十进制精度运算,内部使用字符串进行十进制模拟,完全避免了 JS 的二进制浮点误差。默认不会丢失精度,也不会四舍五入除非你手动指定。在很多真实应用场景中(如金融、金额、电商)至关重要。

RenGJ010617的博客 7393
上一篇: vue在初始化时设置滚动条位置
下一篇: JavaScript技巧汇总
前端小li
博客等级 码龄7年 14粉丝 50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