八大定位元素的方法

自动化测试python面试题 八大元素定位方式 问题:有几种元素常用的定位方式,分别是什么?你最偏爱哪一种,为什么? 1、id定位:id是当前整个html页面中唯一的,所以可以通过id属性来定位元素,是首选的元素定位方式。 阅读详情

ind_element_by_xxx: 查找符合规范的元素,并返回查找到的第一个元素(通过使用这个方法)
find_elements_by_xxx: 查找符合规范的元素,并以列表的形式返回

一.八大定位元素的方法

1.根据元素id属性定位元素(重点)

element = driver.find_elemet_by_id('')
2.根据class属性定位元素 (通常不用,因为找到的元素可能不唯一,记住就可以了)

element = driver.find_element_by_class_name('')
3.根据标签名定位元素 (通常不用,因为找到的元素可能不唯一,记住就可以了)

element = driver.find_element_by_tag_name('input')
4.通过链接标签的(a)的文本去查找(不常用)

element = driver.find_element_by_link_text('新闻')

5.通过链接标签的(a)的文本去查找(部分匹配)(不常用)

element = driver.find_element_by_partial_link_text('新')
6.通过元素的name属性定位元素(不常用)

element = driver.find_element_by_name('')
7.通过xpath定位表达式查找元素(重点-定位元素特别精准)-chrpath插件(协助)

浏览器支持在F12,查看源代码处直接copy表达式xpath语句,有绝对路径和相对路径(ctrl+f 验证)

ele = driver.find_element_by_xpath('')
8.通过css定位表达式查找元素

ele = driver.find_element_by_css_selector('')
二、xpath语法

扩展:XPath 教程

xpath定位的优点:更灵活,支持通过文本去匹配 缺点:不够简洁

绝对路径:从根节点开始,一级一级的往下找(不常用,前端页面元素可能随时会有调整)

相对路径://

【1】语法:

/ 代表根节点 ,查找元素只能一级一级往下找

// 代表查找子孙元素,不考虑元素层级关系

. 代表当前已经选中的节点

.. 代表当前已经选中元素的父节点

*通配符(表示匹配所有的元素)

【2】谓语(条件):通过中括号[]来表示

1.下标取值:[index]

xpath的索引是从1开始的
注意点:xpath的下标使用的时候有坑,使用的时候,前面的部分使用括号括起来(索引的优先级高于//)
例子:(//input)[1]
2.通过属性筛选:[@属性名=属性值] @代表找限制条件下,属性名等于属性值的元素

例子://input[@id='kw']
3.通过元素的文本进行定位: [text()='文本值']

例子://a[text()='新闻']
4.部分匹配

starts-with: 匹配是否以xx开头
匹配文本://a[starts-with(text(),'hao123')] 匹配a标签,以hao123开头的元素
匹配属性://a[starts-with(@href,'http://news')] 匹配a标签href属性,以http://news开头的元素
contains:包含匹配
匹配文本://a[contains(text(),'o123')]
匹配属性://a[contains(@href,'http://news')]
【3】逻辑运算符:

and:通过多个条件进行筛选 [条件1 and 条件2]
例子://input[@type='hidden' and @name='rsv_spt']
or : 符合多个条件中的一个即可(不常用)
【4】轴 定位:/轴名称(元素关系)::节点名称 (了解即可)

ancestor 选取当前节点的所有先辈节点(父、祖父等)
三、CSS选择器语法


css定位的优点:比xpath写起来更简洁(不加索引的情况下,加索引比较复杂),在大多数的浏览器上面css定位更快 缺点:不支持通过文本定位
css或者xpath掌握任何一种都可以满足日常工作中的定位需求(可以先掌握一种)

1.层级查找

查找所有的a标签: a
查找所有的a标签或者p标签:a,p
查找id="kw"的所有元素: #kw
选择所有元素:*
选择<div>元素内部的所有<p>元素:div p
选择父元素为<div>元素的所有<p>元素:div>p
选择紧接在<div>元素之后的所有<p>元素
2.谓语(条件)

a[title = 苏宁易购] title属性等于苏宁易购的a标签
a[title *= 苏易] title属性包含苏易的a标签
a[title ^= 苏宁] title属性以苏宁开头的a标签
a[title $= 易购] title属性以易购开结尾的a标签
四、元素的基本操作方法

1.输入 element.send_keys()

2.点击 element.click()

五、对于出来一下马上就会消失的弹窗如何定位

f12 查看源代码 - Source -弹框出现后立马点击,最右边框左上角的暂停按钮,此时再去定位元素即可

如果toast文本找不到的话,使用显示等待,等待元素可见
————————————————
版权声明:本文为优快云博主「程序猿-小菜」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。
原文链接:https://blog.youkuaiyun.com/m0_61655732/article/details/120958520

selenium自动化测试八大元素定位详细介绍 在Selenium自动化测试中,元素定位是核心操作之一。Selenium提供了多种元素定位方式,以下是八大元素定位方法的详细介绍,包括原理、使用场景和代码示例。@TOC 1. ID定位 原理:通过HTML元素的id属性定位,id通常是唯一的。 使用场景:当元素有唯一id时,优先使用。 代码示例: from selenium import webdriver driver = webdriver.Chrome() driver.get(“https://example.com”) element = driv 阅读详情

相关推荐

实现元素定位:掌握Selenium八大定位方法

xpath是通过路径的方式获得元素的,一般通过id和name的方式获得元素位置,这是非常简单的,但有时我们无法获得id和name,就可以通过xpath,xpath基本上可以获得任何元素的精准位置,但是获得的速度相对来说比较慢,而且使用xpath获得元素位置,当页面进行修改,元素位置发生改变,我们前面的脚本有时就需要修改,所以页面如果频繁较大修改,可以减少xpath的使用。其他四种就和它们的名字相同,大家可以自行尝试一下。2.可以打开元素,进行查找,也可以点击左上角箭头,再点击web页面上需要的元素,如图。

是小辰 2436

第15章:python自动化——八大元素定位法则

xpath定位方法:根据树状结构来进行元素的获取,类似于操作系统的文件系统,因为需要从html标签开始查找,所以整个元素定位的速度相对css selector会更慢一些。 在元素定位和自动化执行的过程中,我们最优先关注的是稳定性,再才是效率

huang_zp123的博客 2078

Python+selenium 八大元素定位方法

find_element_by_xpath("//p[contains(text(),'京公网') and @id='jgwab']")3.class_name定位(参数只能1个class值):find_element_by_class_name()find_element_by_xpath("//p[contains(text(),'京公网')]")//父元素标签名/标签名的属性值:指的是span下的input标签下class属性为s_ipt的元素。preceding:当前元素节点标签之前的所有结点。

weixin_41202129的博客 1702

八大元素定位方法(Python/Java)

小编最近在学习Web自动化测试,所以趁热打铁,整理下相关的知识点,今天主要分享的是八大元素定位方法,无论是移动端还是web端,八大定位方法是共用的。本篇文章还分别提供了两种版本(python、java)的元素定位方式,一种Python版本提供了两种方式,因为在selenium中八种元素定位的底层实现均为。...

小曾同学的博客 6893

Selenium八大元素定位方法

Selenium八大元素定位方法) 从源码中可查看,有八种元素定位方式,如下: ID = "id" XPATH = "xpath" LINK_TEXT = "link text" PARTIAL_LINK_TEXT = "partial link text" NAME = "name" TAG_NAME = "tag name" CLASS_NAME = "class name" CSS_SELECTOR = "css selector" 通过id定位元素 <input type="subm

lvan_test的博客 436

攻克TypeError: Cannot read properties of undefined (reading ‘NormalModule‘)的四种实战策略

本文详细解析了`TypeError: Cannot read properties of undefined (reading 'NormalModule')`错误的四种实战解决策略。从版本一致性检查、包管理器优化到依赖替换和构建环境配置,帮助开发者快速定位和解决Webpack构建过程中的常见问题,提升开发效率。

weixin_42523670的博客 244

selenium八大元素定位方法

selenium八大元素定位方法定位方式一定位方式二定位方式一定位方式二欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 1.ID定位 可以根据元素的id来定位属性,id是当前整个HTML页面中

qq_42281648的博客 4679

K型热电偶负电压采集难题?3种运放电路设计方案对比(含Multisim仿真)

本文针对K型热电偶在低温测量中产生的负电压采集难题,详细对比了三种运放电路设计方案,包括双电源运放反相放大、单电源仪表放大器和差分放大电路,并结合Multisim仿真数据分析了各方案的性能差异。文章还提供了PCB布局和抗干扰设计的实战技巧,帮助工程师解决热电偶信号采集中的核心挑战。

postgres8guard的博客 1021

Selenium元素定位八大方法

元素定位方式元素定位方式Selenium提供了八种定位元素方式1. id4. name7. XPath8. CSS定位说明:id定位就是通过元素的id属性来定位元素,HTML规定id属性在整个HTML文档中必须是唯一的;前提:元素有id属性。

weixin_69514393的博客 2070

安装esxi7.0

保存重启后就能安装。vCenter Server是VMware vSphere虚拟化架构中的核心管理工具,充当ESXi主机及虚拟机中心管理点的服务,利用vCenter Server,可以集中管理多ESXi主机及其虚拟机,安装、配置和管理vCenter Server 不当可能会导致管理效率降低,或者致使EXSi主机和虚拟机停用。提示选择安装VMware ESXi 使用的存储,ESXi支持U盘以及SD卡安装,如系统中存在多块存储设备,选择需要安装系统的磁盘【注意磁盘142G,ESXI会将120G做VMFSL】

u011220233的博客 1万+

保姆级教程:在紫光同创Titan2 FPGA上实现PCIe DMA,实测带宽接近理论极限

本文详细介绍了在紫光同创Titan2 FPGA上实现PCIe DMA性能调优的全过程,通过参数优化和架构设计,实测带宽达到6.91GB/s,接近理论极限。涵盖开发环境搭建、PCIe IP核定制、DMA引擎设计、驱动开发及性能调优等关键步骤,为FPGA开发者提供实用指南。

weixin_30954817的博客 336

自学Python 69 Selenium八大元素定位方法(新版BY方法)_selenium定位元素的方法和优缺点

在学习使用Selenium对网页元素进行定位时,发现很多教程依然使用老版的元素定位方法,但是对于新版selenium来说,已经弃用了之前的元素定位方法,所以在使用的时候会发现有报错,会被一条横线划掉。所以今天来总结一下新版selenium对网页元素进行定位的操作方法。

2401_83704218的博客 2210

httprunner V4.3.5 安装与使用--快速上手(超详细-超长篇)

HttpRunner是一款面向 HTTP(S) 协议的通用测试框架,只需编写维护一份 YAML/JSON 脚本,即可实现自动化测试、性能测试、线上监控、持续集成等多种测试需求。继承 Requests 的全部特性,轻松实现 HTTP(S) 的各种测试需求测试用例与代码分离,采用YAML/JSON的形式描述测试场景,保障测试用例具备可维护性测试用例支持分层机制,充分实现测试用例的复用测试用例支持参数化和数据驱动机制使用 skip 机制实现对测试用例的分组执行控制。

Dreams°的博客 3893

Python自动化之selenium语句——元素点击、输入、清空和八大元素定位方法

本节讲解元素定位相关知识。

weixin_45189665的博客 1340

从 VS Code 创建 ABAP Development Objects,包、命名、传输请求和 Clean Core 的一条线打通

文章摘要: SAP ABAP开发工具正从传统SAP GUI/Eclipse向VS Code迁移,通过ABAP Development Tools扩展实现代码编辑、调试和传输管理。文章重点分析了创建ABAP对象背后的治理逻辑:1)对象创建涉及包结构、命名规范、传输层等关键设计决策;2)VS Code通过命令面板(Ctrl+Shift+P)提供统一创建入口;3)对象类型选择反映架构意图,应从业务模型角度规划;4)Package是重要的治理边界,需按业务能力分区;5)命名和描述需体现业务语义;6)传输请求标记对象

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 178

Labview界面多按钮控件的一种处理方法

当界面中存在多个按钮控件时候,此时如果逐个为每个控件添加事件条件则会显得较为麻烦,此处提供了一种对多控件进行批量处理的方法

miracleis的博客 2707

Selenium的八大定位方法与WebDriver API元素定位中的XPath和CSS

元素的定位和操作是自动化测试的核心部分,其中操作又是建立在定位的基础上的。

软件测试小dao 1110

海思SD3403,SS928/926,hi3519dv500,hi3516dv500移植yolov7,yolov8(1)

海思SS928,SS926以及Hi3519dv500,hi3516dv500下的yolov7模型部署推理系列

Littro Innovations 3089

Python Selenium 八大元素定位方法(上)

今天我们来学习UI自动化中,最基本的八大元素定位方法。 在面试过程中,针对UI自动化的部分,八大元素定位是避免不了的,所以很多同学在学习时,都是以八大元素定位作为入门导向。

伤心的辣条 912

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

selenium脚本编写及八大元素定位方法

2.class ='bb cc'规定元素的一个或多个类名,等同于class1,class2='bb','cc'所以不能直接用driver.find_element_by_class_name('bb cc')3.parti_link_text 部分(模糊)可以是开头是、包含、结尾是。1.link_text 的两种定位方式只适用于a标签的文本。通过标签名来定位,因为重复特别多,所以很少用,不做介绍。以下方法演示用的是我们上篇文章写的HTML文件。1.如果遇到重复的元素,操作的永远是第一个。

2401_83396248的博客 931

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

python八大定位元素_selenium八大元素定位方法

1.ID定位可以根据元素的id来定位属性,id是当前整个HTML页面中唯一的,所以可以通过id属性来唯一定位一个元素,是首选的元素定位方式。(动态ID不做考虑)#导入webdriver和Byfrom selenium importwebdriverfrom selenium.webdriver.common.by importBy#实例化浏览器驱动driver =webdriver.Chrome(...

weixin_39757169的博客 888

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")

《Python+selenium》自动化八大元素定位方法

注:寻找元素必须找到这个元素的唯一定位,否则达不到预期效果,一般来说最有效的为xpath、css定位,ID属性有时候会出现动态ID不好定位,class、name元素属性会出现多个相同的值定位不准确 ​ 素材地址百度网站:www.baidu.com 本文使用到的方法: send_keys(value):输入方法,将value代替为你想输入的值 click():点击方法,可对定位到的元素进行点击事件 定位之前代码: from selenium import webdriver driver = webdrive

weixin_42238652的博客 1341
上一篇: App定位工具Weditor安装及使用教程
下一篇: yum 下载全量依赖 rpm 包及离线安装
一只奋力起飞的小菜鸟
博客等级 码龄9年 10粉丝 6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