oracle系统函数

Oracle系统变量和函数简介 CURRENT_TIMESTAMP是一个Oracle系统变量,用于获取当前日期和时间。TO_CHAR是一个Oracle函数,用于将日期、数字和其他数据类型转换为字符类型。Oracle是一种常用的关系型数据库管理系统,具有强大的功能和丰富的系统变量和函数。在本文中,我们将介绍一些常用的Oracle系统变量和函数,并提供相应的源代码示例。通过使用这些系统变量和函数,您可以在Oracle数据库中执行各种日期、时间和空值处理操作。USER是一个Oracle系统变量,用于获取当前用户的用户名。 阅读详情

oracle系统函数

dual表是oracle系统内部提供的一个用于实现临时数据计算的特殊表,只有一个列。类型是varchar2(1)

一、字符类函数
1、ASCII©函数:返回一个字符的ascii码
select ascii(‘a’),ascii(‘A’) from dual;
2、chr(i)函数:返回出ascii码值对应的字符
select chr(89),chr(99) from dual;
3、concat(s1,s2)函数:将字符串s2连接到字符串s1后面
select concat(‘杨老师’,‘好帅’) from dual;
提示:另外一种连接方式是“||”,也可以实现字符串的连接

4、initcap(s)函数:将字符串s的每个单词的首字母设置为大写
select initcap(‘hello world’) from dual;
5、instr(s1,s2,[i],[j])函数:从位置i开始查询,字符串s1中s2出现的第j次的位置
select instr(‘410782199904264289’,‘9’,2,3) from dual;
6、length(s)函数:返回字符串s的长度
7、lower(s)函数和upper(s)函数
lower(s)函数将字符串s转换为小写
upper(s)函数将字符串s转换为大写
8、ltrim(s1,s2)函数、rtrim(s1,s2)函数
ltrim(s1,s2)函数:删除s1左边的字符串s2
rtrim(s1,s2)函数:删除s1右边的字符串s2
select ltrim(‘yang*’,’’),rtrim('yang’,’*’) from dual

9、trim(s2 from s1)函数:删除s1两边的字符串s2
select trim(’’ from 'yang’) from dual

10、replace(s1,s2,s3)函数:使用s3替换掉字符串s1中所有的s2字符串
select replace(‘杨老师爱你们’,‘杨’,‘李’) from dual;
11、substr(s,i,j)函数:从字符串s的第i个位置开始截取j个长度的字符串
select substr(‘青春无悔’,1,2) from dual;

二、数字类函数
1、mod(n1,n2)函数:返回n1除以n2的余数
select mod(5,3) from dual;
2、ceil(n)函数:返回大于或等于n的最小整数
select ceil(3.14),ceil(3.89) from dual;
3、round(n1,n2)函数:四舍五入,保留n位小数
select round(3.1415926,2) from dual;
4、power(n1,n2)函数:返回n1的n2次方
select power(3,2) from dual;
三、日期函数
1、sysdate()函数:返回系统的当前日期
select sysdate as 系统日期 from dual;
2、add_months(d,i)函数:在日期d上加上i个月
select add_months(sysdate,4) from dual;

四、转换函数。课本79页
1、to_char(x,format)函数:将表达式转换为字符串,format为字符串格式
select to_char(sysdate,‘YYYY/MM/DD’) as 系统日期 from dual;
五、聚合函数
1、avg:平均值
2、count:统计个数
3、max:最大值
4、min:最小值
5、sum:求和
6、variance:统计方差
7、stddev:标准方差

六、其他函数
1、uid:返回标识当前用户的唯一整数
select uid from dual;
2、user:返回当前用户的名字
show user;
3、nvl(exp1,exp2):如果exp1不为空,返回exp1;如果exp1为null,返回exp2

EfficientNet中的MBConv模块详解:为什么它能如此高效? 本文深度解析了EfficientNet中的MBConv模块,详细介绍了其核心设计理念、效率优化技术和复合缩放理论。MBConv通过深度可分离卷积、倒残差结构和注意力机制三大关键技术,实现了计算效率与模型性能的平衡,成为高效网络结构设计的典范。 阅读详情

相关推荐

用Python+NumPy手把手实现分数阶傅里叶变换(FRFT),搞定线性调频信号分析

本文详细介绍了如何使用Python和NumPy实现分数阶傅里叶变换(FRFT),特别针对线性调频信号(Chirp信号)分析。通过从零开始的代码实现和可视化案例,展示了FRFT在时变信号处理中的强大能力,帮助工程师和研究人员高效分析频率随时间变化的信号。

weixin_29062823的博客 219

Python函数重写及逻辑分析 之(round)

def newRound(x,n): y = str(x) aDotNumList = y.split(".") orderNum = aDotNumList[1] intY = int(orderNum[n]) if intY < 5: aDotNumList[1]=int(orderNum[:n]) else: aDotNumList[1]=int(orderNum[:n])+1 x =.

homepeople的专栏 682

【解决问题】‘vue‘ 不是内部或外部命令,也不是可运行的程序或批处理文件。

【解决问题】'vue' 不是内部或外部命令,也不是可运行的程序或批处理文件。

weixin_44566194的博客 4万+

oracle 封装的增删查改 和建表

package springboot_001.dao; import springboot_001.entity.Page; import java.io.Closeable; import java.sql.Connection; import java.sql.ResultSet; import java.sql.SQLException; import java.util.List; ...

IT的鱼 302

UE4 Instanced Mesh 半透明渲染顺序不对解决

以绿色方块为Instanced Mesh为例。 正确的半透应该是这样的: 这是一般蓝图Actor方块,其半透是正常的。 然而Instanced Mesh因为过多,UE4不给你缓存正确的渲染顺序。所以,在不改代码的情况下,想解决Instanced Mesh半透问题,是不可能的。不正确的半透如下: 注意到错误发生在Instanced Mesh的方块与方块之间。 但我就是要解决,...

qq_41524721的博客 5569

PCL SAC-IA 初始配准算法【2025最新版】

采样一致性初始配准算法,简称SAC_IA。博客长期更新,本文最新更新时间为:2025年1月1日。新增参数设置建议

点云侠的博客 37万+

java round指令_Java重写round()方法

题目:完毕这种方法的代码实现 public static String round (String arg1, int arg2)參数 arg1:表示等待被处理的数据:如:"100.286"參数 arg2:处理后保留的个数位数:如:2返回值:对arg1保留arg2位小数位数而且四舍五入后的结果值。如:“100.29”要求不能使用JDK中的数值类Class的现有四舍五入方法。实现:public st...

weixin_33288893的博客 361

Android软键盘系统深度解析:架构、原理与实现

Android软键盘系统深度解析:架构与实现原理 本文系统剖析了Android软键盘的核心工作机制。作为系统级输入服务,软键盘具有双重属性:既是可安装的独立应用,又深度集成于系统框架中。文章详细解读了软键盘的系统架构,包括其与InputMethodManagerService(IMMS)和WindowManagerService(WMS)的交互机制,以及通过InputConnection实现的跨进程通信流程。同时分析了输入法窗口的特殊管理策略、布局调整模式,并深入探讨了输入预测引擎的实现原理,包括词典加载、

保持专注,保持热爱 117

oracle 函数 实现重载_oracle PL/SQL中的重载

在java中,有方法重写,方法重载,重载的一个典型例子就是类中的构造函数,可以根据自己的需求定义多个构造函数,默认是一个无参数的空函数。重写是基于父类子类之间的多态性体现上,父类的一个方法,在子类中可以重写.oracle中也可以有重载的实现。自己在总结的时候归纳了一下两种。一种是通过包来实现,一种是通过pl/sql块来实现。相比两者的实现,包是静态的,而pl/sql块是动态的。可以通过如下的例子来...

weixin_39997795的博客 486

31、自然语言生成中的流畅度评估

本博客探讨了自然语言生成(NLG)中流畅度评估的重要性和方法。文章详细介绍了流畅度的定义及其影响因素,包括句法结构、词汇选择、语义一致性和段落组织。同时,讨论了自动评估和人工评估两种主要方法,并以机器翻译、自动摘要和对话系统为例分析了流畅度评估的应用场景。最后,文章提出了提升流畅度的技术策略以及未来研究方向,为相关领域的研究者和开发者提供了有价值的参考。

h9j8k7l6m5n的博客 275

kaggle学习笔记-餐厅数据挖掘

分析Zomato数据集的基本思想是为了公平地了解影响在班加罗尔不同地方建立不同类型餐厅的因素,每个餐厅的总评级,班加罗尔是这样一个城市,拥有超过12,000家餐厅,餐厅供应来自世界各地的菜肴。每天都有新的餐馆开业,这个行业还没有饱和,需求也在与日俱增。然而,尽管需求不断增加,新餐馆却很难与老牌餐馆竞争。大多数餐厅都供应同样的食物。班加罗尔是印度的IT之都。这里的大多数人主要依靠餐馆的食物,因为他们没有时间自己做饭。由于对餐馆的需求如此巨大,因此研究一个地方的人口统计学就变得很重要。

优快云XXCQ的博客 1862

Oracle函数大全十五:RTRIM函数

此外,需要注意的是,Oracle还提供了LTRIM函数,用于从字符串的左侧删除字符,以及TRIM函数,可以同时从字符串的两侧删除字符。这些函数提供了灵活的方式来处理字符串数据,以满足不同的需求。RTRIM函数在处理数据库中的字符串数据时非常有用,特别是在需要清理或格式化数据时。它专注于从字符串的右侧进行删除操作,不会影响到字符串的左侧。Oracle中的RTRIM函数用于从字符串的右侧(即结尾处)删除指定的字符或字符集。在这个例子中,字符串右侧的数字'1'、'2'和'3'都被删除了。

yixiaobing的博客 2435

如何让C++程序生成dump文件?生成dump文件的方式有哪些?如何使用Windbg分析dump文件?

本文详细介绍了如何让C++程序生成dump文件、生成dump文件的多种方式以及如何使用Windbg分析dump文件,并给出了对应的实战分析案例,有一定的实战参考价值。

dvlinker的技术专栏 5万+

oracle stdevp函数,ORACLE 系统函数与SQLSERVER系统函数的区别是什么

ORACLE 系统函数与SQLSERVER系统函数的区别是什么发布时间:2021-03-17 14:40:36来源:亿速云阅读:57作者:Leah栏目:数据库这篇文章给大家介绍ORACLE 系统函数与SQLSERVER系统函数的区别是什么,内容非常详细,感兴趣的小伙伴们可以参考借鉴,希望对大家能有所帮助。字符函数函数 Oracle Microsoft SQL Server把字符转换为ASCII :...

weixin_39600885的博客 248

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

Statistics and Machine Learning Toolbox

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

Oracle常见系统函数

简述oracle常用函数的作用与语法,记得有函数可以实现怎样的功能即可,用时候再检索,应用后自然就理解了。

foolisk的博客 501

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

系统日期oracle,oracle系统函数(日期函数)

oracle系统函数(日期函数)调用日期函数时,首先要明确两个概念,时间戳和日期是不同的,日期中包括年月日但不包括小时分钟秒,时间戳包括年月日小时分钟秒。在oracle中,一般情况下,函数中包含date字符的和日期有关,包含timestamp的函数和时间戳有关(时间戳可以理解为时间)。oracle中,日期一般以天为基本单位,时间相减时结果单位为天,时间与数字相加时,默认加对应数字的天数。一、调用时...

weixin_27017211的博客 1685

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")

oracle 函数中的变量,Oracle系统变量函数简介

在Oracle数据库中,Oracle系统变量函数是经常会使用到的函数,下面就为您详细介绍Oracle系统变量函数,供您参考学习。Oracle系统变量函数:(1)SYSDATE该函数返回当前的日期和时间。返回的是Oracle服务器的当前日期和时间。select sysdate from dual;insert into purchase values(‘Small Widget’,’SH’,sysd...

weixin_31784241的博客 358

Oracle(11g)数据库教程之十一:Oracle系统函数及自定义函数

Oracle(11g)数据库教程之十一:Oracle系统函数及自定义函数 准备工作: 先启动Oracle,并打开前期建立的数据库和表 查看每个表的结构: 一、系统函数 知识储备:DUAL是Oracle与数据字典一起自动创建的一个表,它只有一列:DUMMY,其数据类型为:VARCHAR2(1)。DUAL中只有一行数据:'X'。DUAL属于SYS模式,但所有用户都可以使用DU...

fjqlldg的专栏 1779

oracle系统user$,Oracle 系统变量函数介绍

Oracle函数多种多样,系统变量函数就是其中之一,下面就为您介绍三种最常见的系统变量函数,希望对您学习Oracle能有所帮助。Oracle系统变量函数:(1)SYSDATE该函数返回当前的日期和时间。返回的是Oracle服务器的当前日期和时间。select sysdate from dual;insert into purchase values(‘Small Widget','SH',sysd...

weixin_29054195的博客 918

ORACLE常用的系统函数

常用的系统函数 一、字符函数 length函数 select length('abcd') from dual; select length('abcd好') from dual;--5个字符 select lengthb('abcd好') from dual;--6个字节 一个汉字两个字节 trim函数 (去除空格函数) select ltrim(' abcd'

m0_37395683的博客 620

oracle 系统变量user,Oracle 系统变量函数介绍

Oracle函数多种多样,系统变量函数就是其中之一,下面就为您介绍三种最常见的系统变量函数,希望对您学习Oracle能有所帮助。Oracle系统变量函数:(1)SYSDATE该函数返回当前的日期和时间。返回的是Oracle服务器的当前日期和时间。select sysdate from dual;insert into purchase values(‘Small Widget','SH',sysd...

weixin_30666313的博客 477

Oracle 系统时间函数

sysdate

i929479824的博客 6702

Oracle的系统内置函数、数据分组

Oracle的系统内置函数、数据分组系统内置函数单行函数字符函数数值函数日期和时间函数转换函数通用函数(处理非空值)条件表达式分组函数数据分组 系统内置函数 单行函数 字符函数 字符函数输入参数为字符类型,其返回值是字符类型或数字类型 Upper():字符串转换成大写格式 Lower():字符串转换为小写格式 Initcap():字符串中每个单词的首字母大写,其他字符小写 Concat():连接字符串 Substr():截取字符 substr('Oracle',1,3) 结果:

m0_55259539的博客 358

oracle变量用法,Oracle 系统变量函数用法指南

Oracle函数多种多样,系统变量函数就是其中之一,介绍三种最常见的系统变量函数。Oracle系统变量函数:1)SYSDATE该函数返回当前的日期和时间。返回的是Oracle服务器的当前日期和时间。@H_502_7@sql;">select sysdate from dual;insert into purchase values(‘Small Widget','SH',sysdate,10...

weixin_35743986的博客 409

SQL系统函数知识点梳理(Oracle)

SQL系统函数知识点梳理(Oracle)

qq_31727471的博客 2565

Oracle 系统变量函数用法说明

在Oracle数据库中,Oracle系统变量函数是经常会使用到的函数,分享下Oracle系统变量函数的用法。 Oracle函数多种多样,系统变量函数就是其中之一,介绍三种最常见的系统变量函数,希望对您学习Oracle能有所帮助。 Oracle系统变量函数: (1)SYSDATE 该函数返回当前的日期和时间。返回的是Oracle服务器的当前日期和时间。 select sysdate fro

sogood22 690
上一篇: 使用pl/sql编程
下一篇: 索引和数据完整性
vxzvzxx
博客等级 码龄7年 0粉丝 7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