SpringMVC_RequestParam注解

立创开源4G+GPS定位系统:基于微信小程序的低成本低功耗追踪方案 本文介绍了一个基于立创开源平台的超小型4G+GPS定位系统方案。该方案采用28mm*28mm主板,集成4G Cat.1通信与GPS定位,通过微信小程序“点灯专家”实现远程追踪管理,具备低成本、低功耗、易于部署的特点,适用于电动车、宠物、资产追踪等多种场景。 阅读详情

.   映射请求参数&请求参数,前面提到PathVariable映射URL绑定的占位符可以携带参数,但是并非真正意义上的请求参数。

请求处理方法签名

.   SpringMVC通过分析处理方法的签名,将HTTP请求信息绑定到处理方法的相应入参中。

.   SpringMVC对控制器处理方法签名的限制是宽松的,几乎可以按喜欢的任何形式对方法进行签名。

.   必要时可以对方法和方法入参标注相应的注解(@RequestParam,@PathVariable,@RequestHeader),SpringMVC 框架会将HTTP请求的信息绑定到对应的方法入参中,并根据方法的返回值类型做出后续的处理。

index.jsp

<a href="springmvc/testRequestParam?username=少校&age=20">Test RequestParam</a>

SpringMVCTest.java

/*
	 * @RequestParam 来映射请求参数
	 * value 值即为请求参数的参数名
	 * required 改参数是否必须,默认值为TRUE(必须)
	 * defaultValue 请求参数的默认值
	 */
	@RequestMapping(value="/testRequestParam")
	public String testRequestParame(@RequestParam(value="username") String un,@RequestParam(value="age") Integer age) {  
		//也可写成(@RequestParam value="age",required=false, defaultValue="20") int age) 
		//但是这样写,出现的问题是,当age是空值是,会出现错误。
		System.out.println("RequestParam username: " + un +"   age: " + age);
		return SUCCESS;
	}

这些进行一切顺利,但是当我把href="springmvc/testRequestParam?username=少校&age=20"时,将shaoxiao写成“少校”有趣的一幕出现了:


报错显示:Invalid character found in the request target. The valid characters are defined in RFC 7230 and RFC 3986

在查阅资料得知改成:

<a href="springmvc/testRequestParam?username=encodeURI(少校)&age=20">Test RequestParam</a>

URL编码与两次encodeURI

当使用地址栏提交查询参数时,如果不编码,非英文字符会按照操作系统的字符集进行编码提交到服务器,服务器会按照配置的字符集进行解码,所以如果两者不一致就会导致乱码。

encodeURI函数采用UTF-8对URL进行编码,所以如果服务器在进行解码时使用的是其他的编码方式就会出现乱码,默认的服务器配置的解码字符集都不是UTF-8,所以大部分情况下地址栏提交中文查询参数时会产生乱码;针对这种情况,可以连续使用两次encodeURI在客户端(主要指浏览器)对非英文字符进行编码,然后在服务端使用java.net.URLDecoder(String."UTF-8")解码,即可得到正确的中文。


【逆强化学习-1】学徒学习(Apprenticeship Learning) 逆强化学习算法1:学徒学习。算法原理+算法步骤+代码+仿真:一个基于gym的小车上山的仿真。附赠学徒学习+Q-Table及学徒学习+DQN的全套代码。 阅读详情

相关推荐

iOS WKWebView H5微信支付跳转

iOS WKWebView H5微信支付跳转 需求:iOS客户端实现嵌入H5进行微信支付跳转到微信客户端,支付完成后再跳转回我们的APP,解决WKWebView无法跳转回APP的BUG. 阅读前提: 了解WKWebView基本初始化及使用 了解如何利用URL Schemes进行应用间跳转 公司或个人已经在微信后台注册了一级域名 GitHub地址(附代码) :iOS WKWebView H5微信支付跳转 简书地址 :iOS WKWebView H5微信支付跳转 博客地址 :iOS WKWe...

ForeverMyheart的博客 2047

java中@RequestParam的用法

RequestParam 是 Spring 框架中用于获取 HTTP 请求参数的注解,常用于控制器方法的参数列表中。它可以将 HTTP 请求中的参数绑定到方法中的参数上,以便在控制器方法中使用。该方法映射的请求路径是 /user,并且使用了一个 @RequestParam 注解,用于获取 HTTP 请求中名为 id 的参数,并将其绑定到方法中的 id 参数上。如果在请求路径中没有指定 id 参数或者参数的值无法转换为 int 类型,会抛出异常。

weixin_58689039的博客 2442

EDA课程实验:《数字逻辑电路》实验四___基于Minisys 平台 VIVADO工具与Verilog语言

(4)使用 Verilog HDL 实现一个分频器 clock_div,输入的是系统提供的 100MHz 频率,输出的是 1Hz 频率,占空比是 1:2,(实际上可以用一个加 1 计数器来实现降频,输入的是一个 100MHz 频率的方波,对这 个方波计数 1 亿次刚好到 1 秒(1Hz),题目要求输出频率占空比是 1:2,也就是这个 1Hz 的 方波高电平和低电平各 500ms,可以采用计数到中间值的时候输出电平翻转。(1)1) 拨动 SW1~0 为 01,按下 P4 按钮,GLD1~0 为 01;

ssjy_的博客 1298

详细分析Java中的@RequestParam和@RequestBody

1. `@RequestParam`适用于处理HTTP请求中的查询参数和表单参数,以及在需要设置默认值、接收多个参数的情况下使用。这使得在Spring MVC应用中,处理简单的参数传递变得更加方便。 2. `@RequestBody`注解适用于接收请求体中的结构化数据,特别是在处理非表单数据、接收复杂对象、处理RESTful API请求以及支持多种数据格式的情况下。 (一般用于处理非 `Content-Type: application/x-www-form-urlencoded`编码格式的数据,比如:`

码农研究僧的博客 2万+

一文掌握SourceTree使用(超级详细)

SourceTree是一款开源的代码仓库客户端工具,界面美观,操作简单,具有代码克隆、本地创建、提交代码、撤销修改,拉取(pull)代码、上传(push)代码、合并分支等操作。对于软件开发人员是一款必备的应用软件。

GM_115的博客 3万+

【科研绘图系列】R语言绘制代谢物与临床表型相关性的森林图

本研究通过森林图展示了特定代谢物与三种临床比较之间的相关性分析结果。这种方法不仅直观地展示了每个代谢物的效应大小和不确定性,还允许我们比较不同代谢物在不同临床比较中的影响。森林图的结果表明,某些代谢物在特定临床比较中显示出显著的相关性,这可能为理解疾病的代谢机制提供了重要线索。

专注生信领域 567

【Java】@RequestParam、@PathVariable和@RequestBody的用法与区别

@RequestParam、@PathVariable和@RequestBody的用法与区别

m0_64210833的博客 1545

软件可靠性测试与评价

本文系统介绍了软件可靠性工程的核心内容,包括可靠性概念、模型分类、测试方法和评价体系。重点解析了可靠性测试的三大步骤:定义运行剖面、设计测试用例和实施测试收集数据,并以智能安防系统为例说明具体应用。可靠性评价需结合业务场景,通过量化指标(MTBF、失效率等)和模型预测持续优化系统。文章强调可靠性需贯穿软件全生命周期,通过闭环反馈实现持续改进,为关键系统提供质量保障。

moton2017的博客 2051

@RequestParam使用

加@RequestParam注解:url必须带有参数。(2)不加@RequestParam参数为非必传,加@RequestParam写法参数为必传。不加@RequestParam注解:url可带参数也可不带参数,输入 localhost:8080/list1 以及 localhost:8080/list1?(3)@RequestParam可以通过@RequestParam(“userId”)或者@RequestParam(value = “userId”)指定传入的参数名。

jcc4261的博客 1795

华为OD机试真题 新系统【网络数据包收发处理】

华为OD机试 新系统真题【网络数据包收发处理】,提供C语言、Java、C++、Python、Go、JavaScript源码实现,并提供完整思路讲解,以及在线OJ模拟做题。华为OD机试真题【网络数据包收发处理】多语言题解。

qq_45776114的博客 447

Python爬虫教程:抓取地方政府网站的公开文件与政策信息

Web爬虫是指一种自动化脚本,用于模拟人类浏览器访问网页、提取网页内容的数据抓取工具。发送请求到目标网页;获取网页内容;解析网页内容,提取所需数据;将数据保存或进一步处理。爬虫可以抓取各种形式的数据,如文本、图片、文件等。本教程将重点展示如何抓取地方政府网站上公开的政策文件、公告等信息。许多政府网站都会采取一定的反爬虫措施,防止大量数据被爬取。IP封锁:如果短时间内大量请求来自同一IP,可能会被封锁。验证码:一些网站会使用验证码来验证访问者是否为机器人。动态加载。

2201_76125261的博客 1982

Java @RequestParam

注解是 Spring Framework 中的一个强大工具,用于将 HTTP 请求参数绑定到控制器方法的参数上。通过使用注解,可以方便地处理 GET 和 POST 请求中的查询参数和表单数据。理解注解的用法和属性,可以帮助你更好地处理和验证请求参数。

weixin_63490470的博客 881

UI渲染顺序:合批为何被拆碎?

在 Hierarchy 中,避免出现:Image(列表1) → Text(列表1) → 特效 → Image(列表2) → Text(列表2)…若可行,在逻辑上把布局组织成“同类元素集中”:例如:列表行中,Image 集中、Text 集中;或者接受 Text 本身就拆出一批,关键是不要在 Text 中间再插入别的材质。现实中不一定能做到完美的“所有 Image 连在一起”,但你会有一个意识:同一 Canvas 内,如果你把不同材质的元素交错穿插,

本博客聚焦游戏开发技巧、创业实战心得及大学热门课程干货。这里既有技术深度,也有思维广度,无论你是开发者、创业者还是高校学子,都能在这里找到适合自己的成长之路! 87

SpringMVC-RequestParam 注解

使用说明 作用: 把请求中指定名称的参数给控制器中的形参赋值(如果没有此注解,就必须保证前后端的参数名称一致,才能采用反射技术自封装)。 属性: value:请求参数中的名称。 required:请求参数中是否必须提供此参数。默认值:true。表示必须提供,如果不提供将报错。也可以使用defaultValue指定默认值(表示如果不传此参数就采用默认值) 使用示例 jsp: <!-- requestParams 注解的使用 --> <a href="springmvc/useReques

weixin_45335305的博客 375

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

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")

SpringMVC之注解RequestParam、RequestBody

一、RequestParam 1.springmvc 方法中的注解RequestParam 1 @RequestMapping("/remove.sdo") public void remove(HttpServletResponse response, @RequestParam(value = "adOrder") String adOrder) 2 @RequestMapping("...

styhm的专栏 884

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。

springMVC中RequestParam注解中name和value两个属性的区别

自SpringMVC4.2之后,RequestParam内部有4个参数:1、String name;2、String value;3、boolean required;4、String defaultValue;源码中name的别名是value,value的别名是name,所以说name和value两个属性基本是等价的,都是获取从前台传入的参数...

weixin_41633157的博客 2万+

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

SpringMVC---RequestParam注解

一:请求处理方法签名 SpringMVC通过分析处理方法的签名,将HTTP请求信息绑定到处理方法的入参中 Spring MVC对控制器处理方法的签名限制是很宽松的,几乎可以按照喜欢的任何方式对方法进行签名 必要时可以对方法及方法的入参标注相应的注解(@RequestParam,@PathVariable,@RequestHeader等),SpringMVC框架会将HTTP请求信息绑定到相应方...

qq_39093474的博客 180

SpringMVC_RequestParam 注解

@RequestParam注解 /** * @RequestParam 来映射请求参数. * value 值即请求参数的参数名 * required 该参数是否必须. 默认为 true * defaultValue 请求参数的默认值,必须加,否则报错,int无法传 */ @RequestMapping(value = "/testRequestParam") public String t...

独孤欢颜的博客 190

SpringMVC框架----RequestParam注解和RequestBody注解

1.RequestParam注解 作用:把请求中指定名称的参数给控制器中的形参赋值。 如果表单提交一个属性username,后台想接收到这个数据,必须在方法中加一个参数叫username,如果名字写的不一样,封装不上。 如图,这是一样的 index.jsp <!--常用注解--> <a href="anno/testRequestParam?username=haha">RequestParam</a> controller类 /*常用注解的控制器*/ @Control

Java硬件工程师的博客 1885

SpringMVC_12_RequestParam注解

1.写一个新的anno.jsp <%@ page contentType="text/html;charset=UTF-8" language="java" %> <html> <head> <title>Title</title> </head> <body> <%--常用的注解--%&gt...

weixin_43338519的博客 165

springMVC笔记系列——RequestParam注解

摘要: 前面的文章介绍过注解@PathVariable,它能够为Rest风格的URL用占位符的方式传递一个参数,但是这个参数并不是真正意义上的请求参数。请求参数怎么处理是本文的主要内容。 前面的文章介绍过注解@PathVariable,它能够为Rest风格的URL用占位符的方式传递一个参数,但是这个参数并不是真正意义上的请求参数。请求参数怎么处理是本文的主要内容。 Spring MVC

Jaybo 1119

SpringMVC注解RequestParam和RequestBody对比

(1)POST请求application/json:json字符串部分不可用,url中的?后面添加参数可用form-data、x-www-form-urlencoded:可用,但是要将Headers里的Content-Type删掉application/json:json字符串部分不可用,url中的?后面添加参数即可用form-data、x-www-form-urlencoded:可用,且参数可以没有顺序(即前端传过来的参数或者url中的参数顺序不必和后台接口中的参数顺序一致,

var200的博客 524

SpringMVC_RequestParam注解,RequestHeader注解,CookieValue注解,使用POJO作为参数

qq_44772414的博客 2万+

SpringMVC注解之RequestParam

测试案例 @RequestMapping("/testRequestParam") public String testRequestParam(@RequestParam("name") String username){ System.out.println("testRequestParam 执行了。,。"); System.out.println("username:"+username); return "success"; } 使用场景 当Controller层接

粥粥的博客 118

SpringMVC笔记三之RequestMapping注解和RequestParam注解

  一、@RequestMapping注解 @RequestMapping可以用来注释一个控制器类,此时所有的方法都将映射为对于类级别的请求,表示该控制器处理的所有请求都被映射到value属性所指示的路径下,例如: @Controller @RequestMapping(value="/user") public class UserController { @RequestMappi...

kshon的博客 910

requestparam的作用_SpringMVC注解@RequestParam方法原理解析

一、作用作用在方法传递的参数前,用于接收所传参数例如:http://localhost:8081/selectStudentById?id=01 接收问号后面的参数值(允许多个参数)二、注解内部的四个属性1.name指定传入的参数名称,其后面跟的参数名称一定要与前端传入的参数名称一致2.value指定传入的参数名称,其后面跟的参数名称一定要与前端传入的参数名称一致3.requred指定参数是否是必...

weixin_39967598的博客 1004
上一篇: SpringMVC_RequestMapping_HiddenHttpMethodFilter过滤器
下一篇: SpringMVC_使用POJO作为参数
XSM521
博客等级 码龄9年 0粉丝 17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