Struts开发环境搭建

软件151  秦康维

关于JDK和eclipse的安装不再敖述,访问Apache Struts官网:http://struts.apache.org/download.cgi,选择下载Struts 2.5.X版本。这里有如下下载选项: 
struts_download

建议选择Full Distribution选项,它包含struts2的核心库、源代码、文档和实例等。

下载完成后,将压缩包解压到任意目录下,打开struts-2.5.X文件,它有一个lib子目录,里面的文件就是我们进行Web应用开发所需的struts2核心jar包和struts插件jar包。

如果不清楚哪些jar包是struts的核心jar包的话,可以在下载struts2时选择Essential Dependencies Only选项,它就是struts2的核心jar包的压缩包。

struts-2.5.8的核心jar包有如下几个: 
struts_core_jar

使用struts

在eclipse里创建一个动态Web项目,将struts2的核心jar包(如果需要其它struts2插件的支持,可以另外导入插件的jar包)拷贝到Web项目的WebContent\WEB-INF\lib目录下,此时的项目结构如下: 
struts_project_structure

现在就可以在eclipse中使用struts2的API了。

第一个基于struts2的Web应用

下面编写一个基于struts2的Web应用。

在web.xml里配置Filter

第一步,需要在web.xml文件里配置struts2的Filter,如下所示:

<!-- web.xml -->

  <filter>
      <filter-name>struts2</filter-name> <filter-class>org.apache.struts2.dispatcher.filter.StrutsPrepareAndExecuteFilter</filter-class> </filter> <filter-mapping> <filter-name>struts2</filter-name> <url-pattern>/*</url-pattern> </filter-mapping>
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10

StrutsPrepareAndExecuteFilter的配置和普通的Filter一样,只是<filter-class>需要使用struts2的Filter类。

这里需要注意,由于struts2的版本更新,有些包名有所改变,StrutsPrepareAndExecuteFilter所在的包也发生了变化,如下图: 
struts_package_update

详细情况可以在Apache Struts的官网上找到:http://struts.apache.org/docs/version-notes-25.html

在eclipse中创建stru.xml配置文件

eclipse里默认是不会自动生成struts.xml文件的,这个文件主要是用来配置struts的,包括常量配置、action配置等,它非常重要。

在eclipse中,想要创建struts.xml,只能先创建一个XML格式的文件,然后在里面配置struts,这样非常不方便而且容易出错,下面提供了一个更好的方法: 
1. 点击菜单栏的Window选项,依次选择Preferences、XML、XMLCatalog,在弹出的窗口中点击右侧的Add; 
2. 在Location处填写%STRUTS_HOME%/src/core/src/main/resources/struts-2.X.dtd,在Key type处选择Public ID,在Key处填写-//Apache Software Foundation//DTD Struts Configuration 2.X//EN,在Alternative web address处填写http://struts.apache.org/dtds/struts-2.X.dtd,,点击OK,如下图: 
struts_add_dtd 
3. 点击OK完成DTD的添加,下面就可以在eclipse中创建struts.xml文件了; 
4. 右击项目(或项目的子目录,一般将struts.xml文件放在src目录下),选择New-Other-XML-XML File,输入文件名(我们输入struts.xml),Next,选择Creat XML file from a DTD file,Next,选择Select XML Catalog entry,在出现的XML文本选择下拉框中选择-//Apache Software Foundation//DTD Struts Configuration 2.X//EN,Next,Finish,如下图: 
struts_xml_create 
5. struts.xml文件就新建好了,现在的项目结构如下: 
struts_project_structure2

转载于:https://www.cnblogs.com/GNAKA/p/7093125.html

从零构建:基于OpenCV与人体姿态分析的跌倒检测实战(附完整源码) 本文详细介绍了如何从零构建基于OpenCV与人体姿态分析的跌倒检测系统,包含完整源码与部署指南。通过MediaPipe实时检测33个人体关键点,结合多条件联合判断算法,实现高精度跌倒识别。文章还提供了性能优化技巧、常见问题解决方案以及家用与养老院两种部署方案,帮助开发者快速落地这一计算机视觉应用。 阅读详情

相关推荐

79.ScottPlot的MVVM实现 C#例子 WPF例子

在你的 WPF 窗口的 XAML 文件中,定义一个,并将其Content属性绑定到 ViewModel 中的属性。这样可以将WpfPlot控件动态绑定到 ViewModel。

S13461120713的博客 2572

Struts简单项目搭建

回到首页☞ https://www.cnblogs.com/yyfighting2019/p/11829443.html 回到首页☞

JDIT的博客 606

【WebLogic】Linux图形化界面安装WebLogic 14.1.2.0

Linux系统图形化界面安装WebLogic 14.1.2.0.0版本

cnskylee的博客 840

Struts基本开发搭建步骤-总结

原来Struts2和srtuts1完全是两码事,两个几乎就不是一个东西,与其还不如说struts2是webwork的,相比struts1,确实有难度,但是从技术的层面上讲,struts2的技术明显比struts1的技术含量高,而且,在代码维护方面做的更开优秀,我这里不再说理论,只讲过程,因为综合以往的对于框架的学习,其学习的方法就是学学会使用,然后再去试着理解。 下面简单的说一下Struts最为

MyCodeDream的专栏 623

基恩士数字光纤放大器

在2路输出类型上此为通道开关,并未配备0路类型;设置已搞不清楚不知道怎么办时···完成初始化后,模块重新显示当前值。①无工件时短按[SET]①有工件时短按[SET]各部位的名称和基本操作。可以手动微调设置值。

大小曲奇的博客 1万+

TLF35584 窗口看门狗_理论篇

1)看门狗的结果(有效或无效触发)由相关的看门狗故障计数器独立监控。2)窗口看门狗的状态是WWO,它可能有“有效WWD触发”或“无效WWD触发”值。

舊梦的博客 2527

Struts环境搭建(详细过程)

文章目录1.下载Struts2的开发包2.新建一个web项目并导入struts的jar包3.将Strust.xml配置到项目中4.配置Struts的过滤器5.Tomcat运行Web工程附录:对strust的jar包介绍 1.下载Struts2的开发包 方法一: 进入官网下载 官网链接: http://struts.apache.org. 方法二: 使用我已经下载好的资源包: 搜索微信公众号:松...

Dan的博客 1259

【ComfyUI】QwenImageEdit OOTD角色与姿态匹配换装

本文介绍了一个基于Qwen Edit OOTD 2.0的ComfyUI工作流,能够实现角色与姿态匹配的智能穿搭生成。该工作流通过整合模型推理、姿态识别、图像拼接和渲染等节点,完成从角色图、姿态图到成品穿搭图的完整生成流程。核心采用Qwen Image系列模型进行图像理解和编辑,配合ControlNet进行姿态引导。用户只需提供角色图和姿态参考图,系统即可自动完成姿态解析、语义编码、采样生成等步骤,输出与输入姿态一致的穿搭图像。该方案适用于虚拟角色展示、电商试穿等场景,能保持角色特征一致的同时灵活变换姿态,显

Mr数据杨 1596

Struts2的开发环境搭建

1、首先创建一个web工程项目,在WEB-INF下的lib文件夹中导入jar包: (1)到Struts官网下载jar包: (2)下载完成以后解压: (3)解压后打开lib目录: (4)发现有很多jar包,但是不需要全部导入,全部导入还可能报错,只需要找出下面的几个jar包,导入即可: 2、在web.xml中,配置过滤器(可以到解压的struts2的包下的apps目录下随便找一个war文件...

Carme7o的博客 461

复现Fastjson反序列化漏洞(从dnslog回显到rce再到反弹shell)

Fastjson是阿里巴巴的开源JSON解析库,它可以解析 JSON 格式的字符串,支持将 Java Bean 序列化为 JSON 字符串,也可以从 JSON 字符串反序列化到 JavaBean。它还可以用于将JSON字符串转换为等效的Java对象,fastjson爆出多个反序列化远程命令执行漏洞,攻击者可以通过此漏洞远程执行恶意代码来入侵服务器。......

记录并分享学习安全的知识点.. 2702

Agentic AI为教育行业赋能,提示工程架构师解析应用潜力

然而,即便是最先进的 LLMs,在面对复杂、动态、需要持续规划和调整的教育场景时,也常常显得力不从心,它们更像是强大的“问答机器”,而非真正意义上的“学习伙伴”或“教学助手”。在教育场景中,传统的 AI 工具可能只能回答学生提出的特定问题,或者根据预设的规则推送一些学习材料。无论您是教育技术领域的开发者、产品经理,还是一线的教育工作者、教育管理者,抑或是对 AI 教育应用充满好奇的研究者,本文都将为您提供宝贵的 insights,助您把握 Agentic AI 时代教育创新的脉搏。

架构师的AI之路,分享AI应用开发架构的学习与实践。 467

搭建Struts2开发环境

搭建Struts2开发环境 1. 下载Struts2开发包http://struts.apache.org 2. 开发包目录结构 3. 搭建开发环境 3.1 拷贝必要jar包到classpath中 3.2 建立Struts2的配置文件 at the top of classpath(在最顶层的构建路径),建立一个默认名称为struts.xml的配置文件。 注意: ...

251

Python 爬虫教程:财经新闻实时抓取(最新资讯 + 关键词提取)

在当今信息爆炸的时代,财经新闻的实时获取对于投资者、研究人员以及普通大众来说都具有重要的价值。通过 Python 爬虫技术,我们可以高效地抓取财经新闻,并提取其中的关键信息,以便更好地进行数据分析和决策支持。本文将详细介绍如何使用 Python 编写一个财经新闻实时抓取系统,并结合关键词提取技术,帮助读者快速掌握 Python 爬虫的核心技能。

yansideyucsdn的博客 1051

Struts2-介绍及开发环境搭建

一、struts2的优点 1、在软件设计上Struts2没有像Struts1那样跟ServletAPI和StrutsAPI有着紧密的偶合,Struts2的应用可以不依赖于ServletAPI 和strutsAPI。Struts2的这种设计属于无侵入式设计,而Struts1却属于侵入式设计。  public class OrderListAction extends Action{  public...

liberty12345678的专栏 206

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

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")

搭建Struts开发环境

想要开发struts应用程序必须要有好的开发工具,本文以structs2为例细致的讲解搭建struts开发环境的过程,为初学者打好基础!!! 首先,来看一下搭建过程用到的工具 1.JDK(笔者用的是JDK1.7,超链接如下) http://211.136.10.12/videoplayer/jdk-6u10-rc2-bin-b32-windows-i586-p-12_sep_2008.exe

KMEHXHCR的专栏 650

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

搭建struts2开发环境

搭建struts2开发环境包括以下三步,导入开发struts2应用所需要使用的jar文件,编写 struts2的配置文件,在web.xml中添加struct2MVC框架启动配置。 首先官网http://struts.apache.org/下载struts2,我下的版本是struts2-2.3.15.3,解压后得到如下目录 apps中包含了一些实例 docs是帮助文档 lib中含有j

chenmefly的专栏 684

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

搭建Struts2的开发环境

下载地址:http://struts.apache.org/download.cgi搭建Struts2的开发环境 拷贝jar包 解压文件,找到图中选中的文件并拷贝到自己的项目中 配置核心过滤器(控制器)找到图中web.xml 拷贝代码块到自己项目的 web.xml<!-- Struts2的核心控制器 --> <filter> <filter-name>struts2</filter-nam

在路上 318

Struts2 开发环境搭建

梳理了单独使用 struts2 框架开发模块时环境搭建,及 struts2 的执行流程

贵在坚持 510

Myeclipse下搭建Struts开发环境搭建

今天第一次接触Struts2,便进行了Struts开发环境的搭建,本来想着这个环境搭建应该是比较简单的,只要导入相应的包就行了,后面跟着一些教程做下来,当在myeclipse2014下启动tomcat时,一直报错。 后面重新找了一个教程进行了配置,http://www.cnblogs.com/xdp-gacl/p/3496242.html,这个教程挺好的,值得推荐。 这里博主用的也是教程中的S

低头低啊低的博客 367

Struts2开发环境搭建

Struts2开发环境搭建1.首先到 官网 下载Struts2所需的jar包,或者直接点击 [struts-2.3.24-all.zip ](http://struts.apache.org/download.cgi#struts2324) 下载2.将所需的jar文件导入lib文件下 解压下载的Zip文件后进入其中的lib目录下,里面有很多Struts2相关的jar包,但是并不是所有的文件我们都是

咖啡人生的专栏 562

struts2开发环境搭建

1. mybatis 新建web项目  2. 下载jar包      从官网http://struts.apache.org/download.cgi 下载struts的jar包,解压后得到如下文件 lib文件夹下有很多jar包,但是这些Jar包在搭建Struts2开发环境时不是每一个都要用到的,通过参考Strust2的参考文档可以知道,Struts 2 framework开发环

比特胶囊 451

Eclipse下搭建struts、spring、hibernate开发环境

开发环境的搭建,Myeclipse 下搭建struts+spring+hibernate 开发环境;记得刚学struts、Spring、hibernate三大框架时就为这些基本环境的搭建发愁,那是使用的myeclipse8.0版本的 减少了不少搭建环境的问题;现在使用低版本myeclipse 或者eclipse发现环境搭建很发愁啊;也有好多人问我在eclipse 下 怎么搭建 strtus

Veteran_的专栏 6391

用eclipse搭建struts开发环境

用eclipse搭建struts开发环境   学习struts已经两周了,但是一直没有成功搭建出struts开发环境,总是遇到一些问题,百度了一番也没能解决。今天实验课上在同学的帮助下成功搭建了struts开发环境并成功运行了程序,回寝室后又在自己的小本上试验了几番,最终成功掌握了在eclipse下搭建struts开发环境的过程。先将自己的一些心得写出来,和与我由着共同疑惑和错误的同仁们分享。

wangwilliams的专栏 1345

如何搭建Struts 2 开发环境

本文将介绍如何搭建Struts 2的开发环境,包括JDK,Tomcat和MyEclipse。 (附上所有资源的下载链接) 1.JDK JDK是整个Java的核心,包括了JRE(Java运行环境)、一系列Java工具和Java基础的类库。 a.下载JDK,你可以登录JDK的官网http://www.oracle.com,下载JDK。 b.配置JDK,这个只要是搞过Java的都知道该怎么配置

Come_for_IT 的博客 510

搭建struts2框架的开发环境:

搭建struts2框架的开发环境: 1、创建javaweb工程 2、找到开发Struts2应用需要使用到的jar文件 struts2-core-2.3.1.1.jar:Struts 2框架的核心类库   xwork-core-2.3.1.1.jar:Command模式框架,WebWork和Struts2都基于xwork    ognl-3.0.3.jar:对象图导航语言(Object G

tfy1332的专栏 2932
上一篇: 新建一个maven
diyao7449
博客等级 码龄11年 0粉丝 0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  | 博主筛选后可见
 
 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