ubuntu下Java环境变量的配置

ubuntu环境下java安装和环境变量配置 ubuntu环境下java安装和环境变量配置 本文默认的ubuntu版本是 7.3.0-16 ubuntu3 版本,java的安装方式与ubuntu版本无关。 一、Ubuntu系统安装 我们默认您看到这里已经安装好ubuntu系统,并配置后可以正常使用,当然我当前直接购买的腾讯云服务器预装了Ubuntu系统 二、java下载 1.进入官网下载页面 http://www.oracle.com/t... 阅读详情

这些天一直为了毕业找工作的事学习一些系统,一些公司对liunx有的一定的要求。于是试着安装了一下,并配置了Java开发环境:Myeclipse+tomcat+mysql。

在配置环境的过程中遇到了如下的问题:

1.Java环境变量的配置

2.tomcat和mysql 的安装

 

特别是在配置ubuntu的环境变量的工程中,容易造成一个登录界面死循环的问题。就是你输入用户名和密码后回车,又回到了登录界面如此循环。后来实在没有办法的只能重装了下系统。

 

其实在我们安装的过程中只要安一定的安装顺序安装,就可以解决上面的问题。特别是ubuntu为我们提供了一个很好的软件,即ubuntu的原件中心,我们充分利用这个就可以正确的安装Java环境了。

正确的安装顺序:

1.在ubuntu的软件中心,下载并安装Eclipse.直接安装就行,不用提前安装JDK和jre。

安装玩以后,可以检查一下Java的版本的,竟如终端打命令: java -version  出现如下图所示表示安装正确。

2.安装Myeclipse 8.6 .

3.安装apache-tomcat-6.0.32, 这个版本的可以不用配置环境变量直接解压就可以用。

用命令:tar -zxvf apache-tomcat-6.0.32 

启动tomcat的命令是:sudo ./startup.sh  

看到图中的信息表示tomcat已经成功启动了。

关闭命令:sudo ./shutdown.sh

 

在ubuntu中编译运行java程序——配置java环境变量 ubuntu配置java环境变量(详细) 一. 解压安装jdk 在shell终端下进入jdk-6u14-linux-i586.bin文件所在目录, 执行命令 ./jdk-6u14-linux-i586.bin 这时会出现一段协议,连继敲回车,当询问是否同意的时候,输入yes,回车。之后会在当前目录下生成一个jdk1.6.0_14目录,你可以将它复制到 任何一个目录下。 二. 阅读详情

相关推荐

ubuntu java javac 安装和环境变量配置和测试

第一步:下载jdk-7u21-linux-i586.tar.gz 地址:http://www.oracle.com/technetwork/java/javase/downloads/index.html  当然如果你官网上面下载 *.bin 那安装起来就更容易了。 第二步:解压安装 1 2 3 sudo tar

wuyinxian的专栏 1万+

ubuntu 配置java_ubuntu下配置java环境变量

转载方法1:修改/etc/profile 文件所有用户的 shell都有权使用这些环境变量<1>在 shell终端执行命令:vi /etc/profile<2>在 profile文件末尾加入:JAVA_HOME=/usr/lib/jvm/java-6-sun-1.6.0.15PATH=$JAVA_HOME/bin:$PATHCLASSPATH=.:$JAVA_HOME/li...

weixin_31480911的博客 806

配置过zsh的Ubuntu配置java环境变量

打开~/.zshrc,在最后一行加入 第一句后面是你的jdk路径 export JAVA_HOME=/usr/local/jdk1.8/jdk1.8.0_131 export JRE_HOME=${JAVA_HOME}/jre export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib export PATH=.:${JAVA_HOME}/bin:$PATH

DN金猿的博客 1739

ubuntu中java环境变量_Ubuntu配置java环境变量

参考文章:http://www.cnblogs.com/BigIdiot/archive/2012/03/26/2417547.html方法1:修改/etc/profile 文件所有用户的 shell都有权使用这些环境变量<1>在 shell终端执行命令:vi /etc/profile<2>在 profile文件末尾加入:JAVA_HOME=/usr/lib/jvm/jav...

weixin_39932947的博客 1013

Ubuntu配置Java环境变量

本文介绍了在Linux系统中安装JDK8的完整步骤:首先从官网下载jdk-8u60-linux-x64.gz并解压到/usr/lib/jvm目录;然后配置环境变量,包括设置JAVA_HOME、PATH和CLASSPATH;接着使用update-alternatives命令设置默认JDK版本;最后通过java -version和javac -version命令验证安装是否成功。整个过程涵盖了从下载、解压到环境配置和版本切换等关键环节。

学无止境 1万+

学习STM32的无人机控制

下面是一个基于STM32的无人机控制的简单示例代码,包括四旋翼的PID控制、遥控器信号解析和电机控制。本示例以STM32F103系列为例,使用Keil C编译器进行开发。

qq_67153941的博客 707

ubuntu java环境变量设置_ubuntu下java环境变量配置

转自:http://blog.youkuaiyun.com/tenpage/article/details/7215810一. 解压安装jdk在shell终端下进入jdk-6u14-linux-i586.bin文件所在目录,执行命令 ./jdk-6u14-linux-i586.bin 这时会出现一段协议,连继敲回车,当询问是否同意的时候,输入yes,回车。之后会在当前目录下生成一个jdk1.6.0_14目录,...

weixin_42299131的博客 561

【Clickhouse从入门到精通】第60篇:ClickHouse生态总结与未来展望

ClickHouse系列收官总结 本文作为《ClickHouse从入门到精通》系列的第60篇收官之作,系统回顾了整个系列的知识体系。文章从基础概念到高级应用,全面梳理了ClickHouse的核心技术: 知识体系:完整回顾了60篇文章的知识图谱,包括列式存储原理、MergeTree引擎家族、分布式架构等核心内容 生态工具:详细盘点了ClickHouse的企业版工具、运维监控、数据集成和可视化方案 版本演进:分析了从21.x到24.x的主要版本特性升级 未来趋势:展望了向量化引擎、湖仓一体、AI集成等发展方向

xyghehehehe的专栏 442

Ubuntu系统配置java环境变量

创建单独的目录 sudo mkdir /usr/local/java 将官网下载的文件复制到刚创建的文件夹下 sudo cp /home/ziyou/Downloads/jdk-8u161-linux-i586.tar.gz  /usr/local/java    (注:ziyou是我的用户名) 解压缩文件    ls 查看当前文件夹下的文件 s...

wyqwilliam的博客 2111

STM32F407 CanOpen主机实战:对象字典配置与多电机CIA402协议驱动详解

本文详细介绍了基于STM32F407的CanOpen主机开发实战,重点解析了对象字典的配置流程与多电机CIA402协议驱动方法。通过使用objdictedit工具配置SDO和PDO参数,并整合CanFestival协议栈,实现了对多个伺服电机的稳定同步控制。文章提供了从硬件连接到代码调试的完整指南,帮助开发者快速掌握工业现场的多轴运动控制技术。

plant的博客 534

Mamba-YOLO实战:环境配置+模型训练+精度调优全流程指南(附Colab代码)

在目标检测领域,一场由状态空间模型引发的技术革新正在悄然改写行业格局。近期国际顶级学术期刊连续发布的YOLOv5_mamba、FER-YOLO等突破性成果,不仅刷新了检测精度记录,更开创了结构化状态空间模型(SSM)与经典检测框架的创新融合范式。当前该领域涌现的十大标杆性研究,已在以下维度取得突破性进展:√ 遮挡目标识别准确率提升38%√ 小样本场景泛化能力增强2.7倍√ 视频流检测延迟降低至17ms√ 多目标交叉干扰抑制效果达SOTA。

2501_90555291的博客 1583

ubuntu下配置JAVA环境变量

小编属于linux菜鸟,也是刚刚学习linux,这里的博客其实也就是个人笔记罢了,如果在博客中有错误欢迎大家批评指正。 最近在学习android开发,但是ubuntu系统上的eclipse一直无法运行,最后发现原因是由于java的环境变量有问题,因此,在向多位大神请教之后,写了这篇博客,希望遇到相同问题的同学们能够从中找到自己需要的东西。 在此处就不介绍jdk的安装和下载了,具体的教程网上有很

天边的云 732

MTK Meta ISP 工具使用技巧与参数读取路径全解析

在联发科(MediaTek, MTK)平台上进行相机图像调试时,Meta ISP 工具是连接 PC 与设备进行参数调整、寄存器读取和图像输出的重要工具。本文以实战角度出发,系统梳理 Meta ISP 的使用流程、关键模块功能、典型调试技巧与参数读取路径,结合最新版平台(如MTK Genio/Dimensity 系列)架构,帮助工程师掌握联发科图像调优的核心流程。

努力分享一些人工智能、计算机视觉、影像等相关的知识干货! 1154

ubuntu配置java环境变量

文章目录下载 jdk8上传文件解压文件转移文件配置Java环境变量验证安装是否成功 下载 jdk8 下载Linux环境下的jdk1.8 http://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html 可以用下面这个账号登录 账号:2696671285@qq.com 密码:Oracle123 账号提供者:https://blog.youkuaiyun.com/WNsshssm/article/details/8431

CarveStone的博客 6503

SAP Group Reporting入门指南(1)--开篇及系统环境搭建

文章介绍了SAP GR的发展历程、与BPC的对比优势,数据收集的多种方式(实时同步、外部导入等)以及合并整体流程,并推出《SAP Group Reporting入门指南》专栏。

bflyfish的博客 285

Python 陌生代码库阅读之道:从零起步到一周掌控 5 万行老项目的实战策略

文中特别强调"自顶向下+画图+注释"的基础阅读心法,并提供了具体的代码示例和命令行技巧。对于大型项目,建议先建立核心流程的骨架认知,再逐步填充细节,同时注重文档化和测试覆盖率的提升。 掌握这套方法后,开发者可以将陌生代码库的阅读效率提升3倍以上,在一周内建立起对5万行级别项目的整体掌控力。

铭渊老黄 507

Ubuntu 安装Java并配置Java环境变量

一、安装Java 下载地址:点击oracle 在此网页选择合适的java文件进行下载,在这里我选择了红色边框的版本进行下载 因为我安装了图形化界面,所以我直接找到了压缩文件下载位置,并选择了一个位置解压文件,解压后的文件结构和路径如下: 此时Java文件就安装完成了,由于我java文件安装在了home文件夹下,导致我后面配置环境变量出现问题,因此我将解压好的java文件移动到了/usr/local下,步骤如下: (1)在/usr/local下新建java文件夹 先进入/usr/local文件夹下,之

zamaochick的博客 4225

nuScenes数据集详细介绍

nuScenes网上介绍资料较多,但是大部分仅仅是对官网的翻译,缺乏各个文件的内在联系介绍。例如,nuScenes激光雷达的数据格式,点云包含哪几种属性。再比如,sample文件夹和sweeps文件夹下的文件关系,以及是如何在相关json文件中体现的。本文将详细介绍nuScenes数据集的各个部分。

叶子的博客 1万+

ubuntu java环境变量_ubuntu配置java环境变量

ubuntu 安裝java環境變量,我使用的是jdk-11.0.91.解壓安裝包到/usr/local/share/tar -zxvf 安裝包名 /usr/local/share/此時在/usr/local/share/會出現名爲jdk-11.0.9的文件夾2.修改文件jdk-11.0.9文件夾的權限:chown -R root:root /usr/local/share/jdk-11.0.93....

weixin_33766046的博客 341

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")

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。

ubuntu java环境变量_Ubuntu java环境变量配置

1.首先上传jdk的安装包到 /usr/local 一般手动安装软件都需要把软件放在这个文件夹下面 可能会遇到的问题 使用xftp不能上传文件状态错误 ,解决办法 由于文件夹默认的读写属性只有读 所以要修改属性 图方便的话就 chmod 777 /usr/local2.解压安装包 tar -zxvf 安装包名称3.在 /usr/local 下面创建新的文件夹...

weixin_32460203的博客 311

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

Ubuntu下配置Java环境变量

VMware安装的ubuntu下配置java环境 VMware安装的ubuntu下配置java环境 一 虚拟机下的ubuntu全屏问题 在setting display里设置调整分辨率 二 VMware下的ubuntu文件共享问题 由于虚拟机的问题,开始的时候,一些命令并不熟悉,而且担心网络问题,因此选择了在win主机下载文件,然后共享到linux,具

修炼强大的自己 1100

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

Ubuntu安装Java环境并配置环境变量

小记 -方便以后查看(这里以jdk1.8为例)1.去官网下载jdk(注意自己乌班图版本 不清楚的可以在虚拟机或服务器中使用uname -a 查看 我这里是arrach)2.下载之后 压缩文件就在当前用户下的/Download 目录下 解压 3.在 /usr/lib 下新建存放jdk文件的地方 4.将/Download 目录下 已解压的jdk 移动到/usr/lib/jdk下 5.配置环境变量这里是将环境变量配置在etc/profile,即为所有用户配置JDK环境。使用命令打开/etc/profi

weixin_46072507的博客 9040

Ubuntu安装JDK配置JAVA环境变量

1.下载javasdk 添加链接描述https://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html 2.创建文件夹 sudo mkdir /usr/local/java 3.解压缩文件 ls 查看当前文件夹下的文件 sudo tar -zxvf jdk-8u161-linux-i5...

weixin_44194656的博客 272

ubuntu 配置java环境变量_Ubuntu 16.04安装JDK并配置环境变量

作为一个Linux新手,在写这篇文章之前,安装了几次jdk,好多次都是环境变量配置错误,导致无法登录系统。经过几天的研究,今天新装系统,从头来完整配置一遍系统版本:Ubuntu 16.04JDK版本:jdk1.8.0_1211.官网下载JDK文件jdk-8u121-linux-x64.tar.gz我这里下的是最新版,其他版本也可以2.创建一个目录作为JDK的安装目录,我的目录为 /javasudo...

weixin_42389766的博客 451

ubuntu安装java环境_Ubuntu下安装配置java及环境变量

这里的办法不是在线安装,因为需要更新源(你懂的,费时费事~),so这里介绍在Ubuntu上手动下载安装配置Java环境变量*系统:Ubuntu 16.4我下载的是jdk-8u162-linux-x64.tar.gz2. 拷贝到指定位置,我放到系统主目录下mv jdk-8u162-linux-x64.tar.gz /home/kemi并解压此文件到当前目录tar -zxvf jdk-8u162-l...

weixin_34835470的博客 474
上一篇: 经典的css框架
下一篇: Matlab绘图系列之高级绘图
SeaChris
博客等级 码龄17年 19粉丝 16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