什么是伪代码?

什么是伪代码,它如何使你成为更好的程序员? 努力学习编程?通过学习伪代码来掌握代码。但是什么是伪代码,它真的有帮助吗? 当你第一次开始学习编程时,在构建第一个应用程序之前,需要学习很多东西。像程序员一样思考可以帮助你将问题分解为算法来解决问题。算法是你的代码将用来解决问题或回答问题的步骤。 如果你是一门新的编码器,那么从一开始就像程序员一样思考可能会具有挑战性。将应用程序创意转换为实际代码需要一些练习。 为了弥合你希望应用程序执行的操作和需要编写的实际代码之间的差距,可以使用伪代码。 什么是伪代码? 伪代码是一段代码或算法的纯文本. 阅读详情

用介于自然语言和计算机语言之间的文字和符号来描述算法。

伪代码的写法 伪代码(Pseudocode)是一种算法描述语言。使用伪代码的目的是为了使被描述的算法可以容易地以任何一种编程语言(Pascal,C,Java,etc)实现。因此,伪代码必须结构清晰、代码简单、可读性好,并且类似自然语言。 介于自然语言与编程语言之间。  它以编程语言的书写形式指明算法的职能。相比于程序语言(例如Java, C++,C, Dephi 等等)它更类似自然语言。它是半角式化、不标准的语言 阅读详情

相关推荐

伪代码块编写(论文编写用)

又到了写论文的季节,对于代码狗来说,写一手好看的伪代码,对于让老师高看一眼,就有了重要的意义,下面就是一个讨论的链接 如何在word文档里面插入漂亮的伪代码? 里面说用Auraro好,但找了半天只有32位,安起来又复杂,恶心,就权当这项目死了 那怎么写好看的伪代码,答案当然是latex,下面就是我从这里找到的好东西,再加上overleaf 首先上overleaf,创建个项目,然后贴代码,伪代码就出来了 众所周知,latex恶心的在于其自由奔放的包,overleaf可以帮助我们省去这一糟心的过程 ,至于用法,

qq_38836770的博客 1万+

伪代码介绍

文章目录伪代码优点:语法规则变量声明指令的表示表达式赋值语句goto语句分支结构循环结构程序的结束注释风格函数的编写实例 伪代码 定义: 伪代码介于自然语言和编程语言之间,是一种描述算法的语言 优点: 提高了代码的可读性 充当了程序与算法或流程图之间的桥梁,也可当作粗略的文档 可以让程序员更好的构建代码 语法规则 每条指令占一行(esle if除外),指令后不跟任何符号 缩进表示程序中的分支程序结构 变量声明 定义变量的语句不用写出来,但必须在注释中给出 a <- 5 //这里的a

klz 3万+

用texstudio写伪代码

示例: \documentclass[11pt,twoside,a4paper]{article} \usepackage{algorithm} \usepackage{algorithmicx} \usepackage{algpseudocode} \usepackage{amsmath} \usepackage[top=2cm, bottom=2cm, left=2cm, right=2cm]{geometry} \begin{document} %% 写算法伪代码或者流程的前期准备 \renewc

qq_37043563的博客 4101

伪代码是什么?

伪代码是一种编程语言的简化形式,它不是用于机器执行的代码,而是用于描述算法或程序逻辑的一种工具。它介于自然语言和编程语言之间,使用编程语言的语法结构,但省略了具体语言的细节,使得非专业人士也能理解程序的基本逻辑。伪代码通常用于算法设计、教学、程序设计初期的规划和讨论。伪代码是一种半形式化的语言,它用于描述算法或程序的逻辑流程,但不包含具体的编程语言语法。伪代码的目的是提供一种清晰、简洁的方式来表达算法步骤,使得算法的逻辑结构易于理解和交流。

Python老吕的博客 1万+

伪代码教程

伪代码教程

qq_45957458的博客 5160

什么是伪代码?如何编写伪代码?

它的目的是帮助程序员和其他相关人员理解算法或程序的逻辑流程,而不用拘泥于具体的编程语言细节。使用适当的控制结构和语法:在伪代码中使用适当的控制结构和语法来表示算法或程序的逻辑流程。通过编写清晰、简洁的伪代码,可以帮助程序员和其他人员更好地理解和交流算法或程序的设计和实现。避免使用具体的编程语言特定的语法和细节,而是侧重于算法或程序的核心思想。添加注释和说明:为了增加伪代码的可读性和理解性,可以添加注释和说明来解释每个步骤的作用和意图。确定算法或程序的目标:首先,明确你想要实现的算法或程序的目标和功能。

NoerrorCode的博客 1万+

什么叫伪代码?

由于最近找工作,面试时面试官提问时让我用伪代码回答他所提的问题,当时笔者就蒙了,满脑子就是问号,相信有部分童鞋和笔者差不多,当然大多数童鞋都是好孩子,应该都知道,于是笔者赶紧回来查了一下官方解释如下: 伪代码(Pseudocode)是一种算法描述语言。是用介于自然语言和计算机语言之间的文字和符号(包括数学符号)来描述算法。使用伪代码的目的是使被描述的算法可以容易地以任何一种编程语言(Pascal...

weixin_30648963的博客 3021

【STM32F042】使用NTC热敏电阻实现温度测量

1.NTC介绍 NTC是负温度系数的简写,全称是Negative temperature coefficient.意思是随着温度的升高,电阻值呈现下降趋势。常用作温度传感器。这里有一个式子表示负温度系数的电阻值: RT=R0*exp(B (1/T-1/T0)) RT为周围温度为T (K) 时的电阻值,R0是周围温度为T0(K) 时的电阻值,注意这里的温度是开...

BadBoyHolly的博客 3万+

Word中添加中文伪代码

使用word中的表格编写中文伪代码

m0_52457734的博客 8万+

Kali使用Metasploit内、外网渗透windows系统

Metasploit是一个免费的、可下载的框架,通过它可以很容易地获取、开发并对计算机软件漏洞实施攻击。它本身附带数百个已知软件漏洞的专业级漏洞攻击工具。当H.D. Moore在2003年发布Metasploit时,计算机安全状况也被永久性地改变了。 一、(内网渗透)内网英文缩写WAN;内网又称局域网 局域网的覆盖范围一般是方圆几千米之内,其具备的安装便捷、成本节约、扩展方便等特点使其在各类办公室内运用广泛。局域网可以实现文件管理、应用软件共享、打印机共享等功能,在使用过程当中,通过维护局域网网...

QQ670663的博客 2万+

ADRC自抗扰控制:工程抗扰“黑科技”,附C代码实战!

自抗扰控制(ADRC)是一种革新性的强鲁棒控制策略,通过主动估计和补偿系统扰动,无需精确数学模型即可实现优异控制性能。本文详细解析ADRC三大核心组件:跟踪微分器(TD)实现指令柔化,扩张状态观测器(ESO)实时估计总扰动,非线性状态反馈(NLSEF)完成动态补偿。针对二阶系统,文章提供完整的参数设计方法和C语言实现框架,包括关键函数fhan和fal的代码实现。ADRC将复杂对象"线性化"为积分器串联系统,显著提升抗扰能力,特别适用于电机控制、飞行器姿态等存在模型不确定性和强干扰的场景。

技术工作者 1738

伪代码书写规则

伪代码书写规则输入缩进变量数组选择结构循环结构返回值注释大小写 最近要用到伪代码写算法,所以在网上查阅了一些资料,写这篇博客正好整理、记录一下自己所学的书写规则,以便自己日后使用,如果能对大家有所帮助,那就更好了。文中不足,欢迎给位大神多多指点。 输入 赋值语句用符号←表示,x←exp表示将exp的值赋给x,其中x是一个变量,exp是一个与x同类型的变量或表达式(该表达式的结果与x同类型);多重赋...

u010804417的博客 7万+

宽带波束形成

介绍了宽带波束形成器的时域滤波结构,以及波束响应的计算公式,宽带波束形成器的波束响应可表示为权重向量和方向向量的积

... 2491

LaTeX伪代码写法总结

1.伪代码所用包 一般会接触到的包有algorithm、algorithmic、algorithmicx、algorithm2e这四种包。 algorithm一般用于给伪代码提供一个浮动体环境,防止其换页或其他因素导致的内容中断,从而跨页显示。 algorithmic则用于编辑伪代码的内容,一些for、while、if等语句通过该包中的命令进行编写。 algorithmicx则可以看作algorithmic的升级版, 参考资料 ...

ZergWang's Blog 4万+

Apache Kafka Connect任意文件读取漏洞(CVE-2025-27817)

由于Apache Kafka客户端未对用户输入进行严格验证和限制,未经身份验证的攻击者可通过构造恶意配置读取环境变量或磁盘任意内容,或向非预期位置发送请求,提升REST API的文件系统/环境/URL访问权限。(CVE-2025-27817)

iSee857的博客 2026

用 ST02 看懂 ABAP 系统内存:Tune Summary 中的内存资源监控实战

摘要:ST02是SAP ABAP应用服务器内存监控的核心工具,提供实例级内存快照,重点关注Extended Memory(EM)、Heap Memory(PRIV)等关键指标。与ST06、SM50等工具联动使用,可有效诊断内存瓶颈问题。ST02特别适用于多实例系统的分布式分析,通过观察EM的Max.use是否接近上限、工作进程是否频繁进入PRIV模式等,判断内存配置是否合理。其Mode List功能还能定位具体用户会话的内存占用情况,区分系统级与程序级问题。该工具应纳入日常巡检清单,尤其在高并发场景下对预防

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 1556

伪代码书写方式

伪代码是描述算法过程的一种语言,它可以直接用中文或者英文等自然语言表示,也可以直接上代码,但常用经典的语法表示(讲的就是这种)。日常生中,别人能通过你的描述明白相应算法就行。 小规范 1、不需要声明变量,变量名可以一定程度反映变量类型。 2、伪代码里没有 “{” “}” ,同一代码块用缩进表示。 3、数组用 数组名 + [0…n-1] 表示,如BubbleSort( A[0…n-1]...

qq_44829047的博客 9万+

基于学术研究于NASA官网GPM卫星数据下载详细教程

基于学术研究于NASA官网GPM卫星数据下载详细教程

珞瑜的博客 8658

伪代码学习与应用

目录0. 前言1. 伪代码的基础语法2. 在word中插入伪代码 0. 前言 上一次接触伪代码可能还是在现代数字信号处理的课上,那时候只是学了个皮毛,照猫画虎瞎弄了一通,这次因为实际需要得好好学习一下,主要完成以下两个目标: 伪代码基础知识和语法; 在word中插入伪代码。 1. 伪代码的基础语法 教你写一手漂亮的伪代码(详细规则&简单实例) 学会写伪代码 每一条指令占一行,描述不出的指令可以用文字表示,语句后不接任何符号; 分支、循环语句要有严格的缩进(与python一样),并有结束标记;f

weixin_42442319的博客 1万+

基于STM32L4XX、HAL库的IP101GRI以太网收发器(PHY)驱动程序设计

define IP101GRI_PHY_ADDRESS 0x01 // 根据硬件设计设置PHY地址。#define IP101GRI_PHYSTS 0x10 // PHY状态寄存器。#define IP101GRI_PHYINIR 0x12 // PHY中断寄存器。#define IP101GRI_PHYCR 0x14 // PHY控制寄存器。#define IP101GRI_PHYID2 0x03 // PHY标识符2。

zhusl6688的博客 724

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。

什么是伪代码,如何用好伪代码

伪代码(Pseudocode)是一种用自然语言描述算法的方式,它既不属于任何具体的编程语言,也不需要遵循特定的语法规则。伪代码的目的是帮助开发人员或算法设计者表达思路,描述程序逻辑,使得非程序员或初学者也能理解,而不需要过多关心编程语言的细节。伪代码通常是简化版的代码结构,它以接近自然语言的方式写出算法的步骤。它是从问题出发的描述方式,提供了一种清晰的、与实现无关的方式,帮助开发人员在编写实际代码之前理清思路。

小宝哥Code的专栏 3739

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

【学术相关】学会写伪代码

目录一、伪代码是什么?二、伪代码的语法规则三、伪代码实例一、伪代码是什么?伪代码(Pseudocode)是一种算法描述语言。使用伪代码的目的是为了使被描述的算法可以容易地以任何一种编程语言(C, Java, Pascal)实现。因此,伪代码必须结构清晰,代码简单,可读性好,并且类似自然语言。伪代码的优点提高任何方法的可读性。这是开始实现算法的最佳方法之一。充当程序与算法或流程图之间的桥梁。也可以作...

fengdu78的博客 2万+

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

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")

学会写伪代码

目录一、伪代码是什么?二、伪代码的语法规则三、伪代码实例。

同步于【自学气象人公众号】! 1万+

c语言伪代码怎么描述程序算法,伪代码是什么?如何写一个伪代码?

伪代码是经常用于编程和基于算法的字段的术语;它是一种允许程序员表示算法实现的方法。简单地说,我们可以说它是算法的熟化表示。本篇文章就来带大家简单认识一下伪代码,介绍简单的C语言伪代码怎么写,希望对大家有所帮助。伪代码是什么?通常,算法是在伪代码的帮助下表示的,因为无论学习什么编程语言或掌握多深的编程知识,程序员都可以解释算法。顾名思义,伪代码是一种错误的代码的表示,即使是具有一些学校级编程知识的外...

weixin_28772667的博客 2万+

伪代码书写规范

  伪代码(Pseudocode)是一种算法描述语言。使用伪代码的目的是为了使被描述的算法可以容易地以任何一种编程语言(Pascal,C,Java,etc)实现。因此,伪代码必须结构清晰、代码简单、可读性好,并且类似自然语言。 介于自然语言与编程语言之间。   它以编程语言的书写形式指明算法的职能。相比于程序语言(例如Java, C++,C, Dephi 等等)它更类似自然语言。它是半角式化、不...

怒放的生命的博客 3万+

伪代码【c++】

伪代码(Pseudocode)是用自然语言描述程序设计算法的一种方式。它并不依赖于任何特定的编程语言语法,而是为了让人类容易理解算法的逻辑过程。伪代码的主要目的是以简洁和清晰的方式表达程序的核心思想,帮助开发者和其他人快速理解算法的步骤和流程。伪代码的书写方式非常灵活,它通过接近自然语言的方式,去描述一个程序的行为,但又包含了一些编程语言的元素,足够使程序员理解其实现。伪代码的作用1. 清晰地展示算法的步骤伪代码能够帮助我们专注于算法的核心逻辑,而不是编程语言的细节。

一个爱编程的小女孩....... 2952
上一篇: 什么是算法,算法有哪些特征?
下一篇: 什么叫结构化算法,为什么要提倡结构化算法?
bingoCoder
博客等级 码龄10年 1400粉丝 157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