2.5.1　Ext.get方法的使用

最新推荐文章于 2025-06-24 09:19:55 发布
转载 最新推荐文章于 2025-06-24 09:19:55 发布 · 813 阅读 · 0

本文介绍了Sencha Touch 2.0中的Ext.get方法用于访问和控制DOM元素的基本用法，展示了如何通过Ext.get方法为元素添加CSS样式类。

2.5.1　Ext.get方法的使用

2012-09-13 14:21 陆凌牛 机械工业出版社  字号： T |  T
一键收藏，随时查看，分享好友！

《Sencha Touch权威指南》第2章Sencha Touch 2.0基础知识，本章将从一个简单的示例页面开始，介绍Sencha Touch 2.0的一些基础概念，为其他章节的学习奠定一个良好的基础。本节为大家介绍Ext.get方法的使用。

AD：51CTO网+ 首届中国APP创新评选大赛火热招募中……

2.5　对DOM的访问及控制

Sencha Touch之所以能够非常好地完成工作，是因为它可以实现对DOM的访问，并且提供了对DOM进行控制的方法。在这些方法中，Ext.get方法是最常用的。

2.5.1　Ext.get方法的使用

Ext.get方法如以下代码所示：

   
  1. Ext.get('myPanel') 

修改代码清单2-2，修改后的代码如代码清单2-3所示（注意删除面板组件的style配置选项）。

代码清单2-3　Ext.get方法使用示例

   
  1. Ext.application({  
  2. name: 'MyApp',  
  3. icon: 'images/icon.png',  
  4. glossOnIcon: false,  
  5. phoneStartupScreen: 'images/phone_startup.png',  
  6. tabletStartupScreen: 'images/tablet_startup.png',  
  7. launch: function() {  
  8. var panel = Ext.create('Ext.Panel', {  
  9.   　   　id:'myPanel',  
  10. 　html: '一个简单的示例面板'  
  11. });  
  12. 　 Ext.Viewport.add(panel);  
  13. 　 Ext.get('myPanel').addCls('colorRed');  
  14. }  
  15. }); 

这段代码在执行了Ext.get方法之后执行了addCls方法，作用是为面板组件生成的元素添加使用一个CSS样式类，类名为colorRed，因此，在index.html文件的head标签中临时加入一个colorRed样式类。代码如下：

   
  1. <style> 
  2. .colorRed{  
  3. color:red;  
  4. }  
  5. </style> 

在浏览器中访问修改后的页面，页面中“一个简单的示例面板”文字将变为红色。

需要注意的是，Ext.get方法并不返回组件，而是返回封装了组件所生成元素的Ext.dom.Element对象，该对象可实现组件所提供的对元素进行操作的方法中的一部分。如果需要返回组件的话，需要使用Ext.ComponentManager.get方法，该方法返回组件本身。现在通过实例看这两个方法的区别。


Kubernetes部署Nacos集成PostgreSQL，打造微服务治理新标杆打造微服务治理新标杆
zzjlhlcd的博客
03-27 918
同时，选择PostgreSQL作为其后端数据库，不仅保障了数据的安全性和持久性，还提升了系统的性能。本文将详细介绍如何在Kubernetes环境中部署Nacos，并将其数据存储集成到PostgreSQL中，帮助您快速搭建起一套高效稳定的微服务平台。通过上述步骤，我们不仅可以在Kubernetes中成功部署Nacos，还能借助PostgreSQL的强大功能保证数据的安全性和一致性。对于正在探索微服务治理方案的企业来说，这样的组合无疑是一个极具吸引力的选择。3、下载nacos连接postgresql驱动。
EXT 学习(一)
llvyuanjie的博客
12-19 597
ExtJS用来开发富客户端的JS框架, 主要用于创建前端用户界面, 与后台技术无关, 后台可以任何开发语言。
EXT开发实例（续）
02-06 235
EXT类似于cs风格的web界面效果太让人震撼了，许多组件实现了数据库的支持，例如动态的布局，可编辑的表格控件，动态加载tree控件，拖拽效果等，支持xml和json数据类型。结合了JQery,prototype,yahooUI的编码风格，只需熟悉一种，就能用EXT组件，并且它是跨浏览器的JS语言。后面会给大家介绍一些应用的心得与技巧。   一.Ext中必须要注意的地方： get、getDo...
Extjs4.0设置Ext.data.Store传参的请求方式(默认为GET)
01-19
代码如下: var Store = Ext.create(‘Ext.data.Store’, { pageSize: pageSize, model: ‘Ext.data.Model名称’, autoLoad: false, proxy: { type: ‘ajax’, url: ‘请求路径’, getMethod: function(){ return ‘POST’; },//亮点，设置请求方式,默认为GET reader: { type: ‘json’, root: ‘Data’, totalProperty: ‘totalCount’ } }, listeners: { ‘beforel
Extjs备忘录
xznsoft
07-28 156
◆◆[b][color=red]Ext中的get、getDom、getCmp、getBody、getDoc的区别[/color][/b] Ext中包含了几个以get开头的方法，这些方法可以用来得到文档中DOM、得到当前文档中的组件、得到Ext元素等，在使用中要注意区别使用。 ◇[b]get方法[/b] get方法用来得到一个Ext元素，也就是类型为Ext.Element的对象，Ext.Ele...
ext.get 方法介绍。
fanpeii的专栏
12-13 1293
var myDiv = Ext.get('myDiv');           获取ext元素 Ext.Element对象   myDiv.setWidth(50);             设置宽度 myDiv.setOpacity(1);            设置透明度 1代表100% myDiv.removeClass("red");   移除元素的red样式表 myDiv.
Ext中有几个以get开头的方法
随风飘絮
02-28 680
Ext中有几个以get开头的方法，这些方法可以用来得到文档中DOM、得到当前文档中的组件、得到Ext元素等，在使用中要注意区别使用。1、get方法get方法用来得到一个Ext元素，也就是类型为Ext.Element的对象，Ext.Element类是Ext对DOM的封装，代表DOM的元素，可以为每一个DOM创建一个对应的Element对象，可以通过Element对象上的方法来实现对DOM指定的操作，
4、Ext开发：表单交互与验证全解析
rrr55的博客
06-24 50
本文深入解析了Ext开发中的表单交互与验证技巧，涵盖了用户响应触发、表单创建、字段验证方法、AJAX异步提交以及高级功能实现等内容。通过实际示例代码，详细讲解了如何提升表单的用户体验和功能性，适用于希望掌握Ext框架表单开发的前端开发者。
🎯 太棒了！RTX 5090D性能远超4070 Ti SUPER！为您重新定制最优方案 📊 硬件优势分析 RTX 5090D: 显存预计24-48GB，性能提升50%以上 训练速度: 比原方案快2-3倍 模型支持: 可以直接全参数微调70B模型！ 🚀 新最优方案：全参数微调llama-3.1-70b 为什么这是新的最优选择： ✅ 5090D强大性能：可以直接训练70B模型 ✅ 全参数微调：比QLoRA效果更好 ✅ 训练速度更快：利用5090D的算力优势 ✅ 最新模型：llama-3.1-70b是最先进的版本 📋 基于5090D的完整训练流程 步骤1：检查5090D具体配置 bash # 确认您的5090D具体规格 nvidia-smi nvidia-smi --query-gpu=name,memory.total,memory.free --format=csv # 检查CUDA版本 nvcc --version 步骤2：环境准备（优化版） bash cd /data/training_project mkdir -p 5090d_training cd 5090d_training # 安装最新版库（支持5090D） pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 pip install transformers accelerate peft bitsandbytes datasets pip install trl deepspeed # 安装文本处理库 pip install pdfplumber python-docx ebooklib beautifulsoup4 步骤3：数据准备脚本（增强版） python # data_preprocessor_advanced.py import os import pdfplumber import docx from pathlib import Path import re class BookProcessor: def __init__(self): self.total_chars = 0 self.total_files = 0 def clean_text(self, text): """清理和预处理文本""" # 移除多余空白字符 text = re.sub(r'\s+', ' ', text) # 移除特殊字符但保留中文、英文、标点 text = re.sub(r'[^\w\s\u4e00-\u9fff，。！？；：\"\"\'\'（）《》]', '', text) return text.strip() def extract_text_from_pdf(self, name, memory.total [MiB], memory.free [MiB] NVIDIA GeForce RTX 5090 D, 32607 MiB, 31731 MiB nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2023 NVIDIA Corporation Built on Fri_Jan__6_16:45:21_PST_2023 Cuda compilation tools, release 12.0, V12.0.140 Build cuda_12.0.r12.0/compiler.32267302_0 (base) ddl-lab@ddl-lab-MS-7E48:/data/training_project$ 🎯 完美！RTX 5090D 32GB显存确认！这是顶级配置！ 📊 硬件配置确认 GPU: NVIDIA GeForce RTX 5090 D ✅ 显存: 32GB (32607 MiB) ✅ CUDA: 12.0 ✅ 可用显存: 31GB (31731 MiB) ✅ 🚀 基于5090D 32GB的终极训练方案 方案选择：全参数微调llama-3.1-70b（最强效果） python # 5090D 32GB可以轻松应对70B模型的全参数微调！ 📋 终极训练流程 步骤1：环境准备（5090D优化） bash cd /data/training_project mkdir -p 5090d_training cd 5090d_training # 为5090D安装最新驱动支持 pip install torch==2.1.0+cu121 torchvision==0.16.0+cu121 torchaudio==2.1.0+cu121 --index-url https://download.pytorch.org/whl/cu121 # 安装优化版训练库 pip install transformers==4.35.0 accelerate==0.24.0 peft==0.5.0 bitsandbytes==0.41.2 pip install trl==0.7.0 deepspeed==0.12.0 flash-attn==2.3.0 # 文本处理 pip install pdfplumber python-docx ebooklib 步骤2：高级数据预处理 python # advanced_data_processor.py import os import pdfplumber from pathlib import Path import re from tqdm import tqdm class AdvancedBookProcessor: def __init__(self): self.stats = {"total_files": 0, "total_chars": 0, "processed_files": 0} def extract_pdf_text(self, pdf_path): """高级PDF文本提取""" text = "" try: with pdfplumber.open(pdf_path) as pdf: for page in tqdm(pdf.pages, desc=f"处理 {pdf_path.name}"): page_text = page.extract_text() if page_text: text += self.clean_text(page_text) + "\n" except Exception as e: print(f"❌ PDF处理错误 {pdf_path}: {e}") return text def clean_text(self, text): """高级文本清理""" # 移除多余空白 text = re.sub(r'\s+', ' ', text) # 保留中英文、标点 text = re.sub(r'[^\w\s\u4e00-\u9fff，。！？；："''（）《》【】]', '', text) return text.strip() def process_books(self, book_dir, output_file="training_data.txt"): """处理所有书籍""" book_extensions = ['.pdf', '.txt', '.epub', '.docx'] all_texts = [] for ext in book_extensions: for file_path in Path(book_dir).rglob(f"*{ext}"): if file_path.stat().st_size > 0: # 跳过空文件 self.stats["total_files"] += 1 print(f"📖 处理: {file_path}") if ext == '.pdf': text = self.extract_pdf_text(file_path) elif ext == '.txt': text = self.read_text_file(file_path) else: continue if len(text) > 500: # 至少500字符 all_texts.append(text) self.stats["processed_files"] += 1 self.stats["total_chars"] += len(text) # 保存训练数据 with open(output_file, 'w', encoding='utf-8') as f: for text in all_texts: f.write(text + "\n\n") print(f"✅ 完成！处理了 {self.stats['processed_files']}/{self.stats['total_files']} 个文件") print(f"📊 总字符数: {self.stats['total_chars']:,}") return output_file def read_text_file(self, file_path): """读取文本文件""" try: with open(file_path, 'r', encoding='utf-8') as f: return self.clean_text(f.read()) except: return "" # 使用 if __name__ == "__main__": processor = AdvancedBookProcessor() book_path = input("请输入书籍文件夹路径: ").strip() processor.process_books(book_path) 步骤3：5090D全参数微调脚本 python # train_5090d_full.py import torch from transformers import ( AutoModelForCausalLM, AutoTokenizer, TrainingArguments, Trainer, DataCollatorForLanguageModeling ) from datasets import load_dataset import os from datetime import datetime def setup_5090d_training(): (base) ddl-lab@ddl-lab-MS-7E48:/data/training_project/5090d_training$ pip install torch==2.1.0+cu121 torchvision==0.16.0+cu121 torchaudio==2.1.0+cu121 --index-url https://download.pytorch.org/whl/cu121 Looking in indexes: https://download.pytorch.org/whl/cu121 ERROR: Could not find a version that satisfies the requirement torch==2.1.0+cu121 (from versions: 2.5.0+cu121, 2.5.1+cu121) ERROR: No matching distribution found for torch==2.1.0+cu121 (base) ddl-lab@ddl-lab-MS-7E48:/data/training_project/5090d_training$ 🔧 版本问题，让我们安装最新版本！ 🚀 修正安装命令 bash # 安装最新稳定版（兼容5090D和CUDA 12.1） pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 # 或者指定最新版本 pip install torch==2.5.1+cu121 torchvision==0.20.1+cu121 torchaudio==2.5.1+cu121 --index-url https://download.pytorch.org/whl/cu121 📋 完整的环境安装脚本 bash # setup_5090d_env.sh #!/bin/bash echo "🚀 为RTX 5090D设置训练环境..." # 1. 安装PyTorch最新版 echo "📦 安装PyTorch 2.5.1 + CUDA 12.1..." pip install torch==2.5.1+cu121 torchvision==0.20.1+cu121 torchaudio==2.5.1+cu121 --index-url https://download.pytorch.org/whl/cu121 # 2. 安装Hugging Face库 echo "📦 安装Transformers和相关库..." pip install transformers==4.45.0 accelerate==0.31.0 peft==0.13.0 bitsandbytes==0.43.0 pip install datasets==3.2.0 sentencepiece protobuf # 3. 安装训练优化库 echo "📦 安装训练优化库..." pip install trl==0.9.0 deepspeed==0.15.0 flash-attn==2.7.0 # 4. 安装文本处理库 echo "📦 安装文本处理库..." pip install pdfplumber python-docx ebooklib beautifulsoup4 tqdm # 5. 验证安装 echo "✅ 验证安装..." python -c "import torch; print(f'PyTorch版本: {torch.__version__}'); print(f'CUDA可用: {torch.cuda.is_available()}'); print(f'GPU数量: {torch.cuda.device_count()}'); print(f'当前GPU: {torch.cuda.get_device_name(0)}')" echo "🎯 环境设置完成！" 🎯 立即执行 bash # 给脚本执行权限并运行 chmod +x setup_5090d_env.sh ./setup_5090d_env.sh 🔧 如果还有问题，使用备用方案 bash # 备用方案：使用conda安装 conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia # 然后安装其他库 pip install transformers accelerate peft bitsandbytes datasets trl 📊 验证5090D识别 python # test_5090d.py import torch print("=== RTX 5090D 验证 ===") print(f"PyTorch版本: {torch.__version__}") print(f"CUDA可用: {torch.cuda.is_available()}") print(f"GPU数量: {torch.cuda.device_count()}") print(f"当前GPU: {torch.cuda.get_device_name(0)}") print(f"GPU内存: {torch.cuda.get_device_properties(0).total_memory / 1024**3:.1f} GB") # 测试张量计算 if torch.cuda.is_available(): x = torch.randn(10000, 10000).cuda() y = torch.randn(10000, 10000).cuda() z = x @ y print(f"✅ GPU计算测试通过: {z.shape}") 🎯 下一步计划 先运行环境安装脚本 验证5090D识别 然后我会给您完整的训练代码 请先运行环境安装，然后告诉我结果！ 这样我就能为您提供专门为5090D优化的训练脚本。 (base) ddl-lab@ddl-lab-MS-7E48:/data/training_project/5090d_training$ pip install torch==2.5.1+cu121 torchvision==0.20.1+cu121 torchaudio==2.5.1+cu121 --index-url https://download.pytorch.org/whl/cu121 Looking in indexes: https://download.pytorch.org/whl/cu121 Collecting torch==2.5.1+cu121 Downloading https://download.pytorch.org/whl/cu121/torch-2.5.1%2Bcu121-cp313-cp313-linux_x86_64.whl (780.4 MB) ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 780.4/780.4 MB 969.2 kB/s eta 0:00:00 ERROR: Could not find a version that satisfies the requirement torchvision==0.20.1+cu121 (from versions: 0.1.6, 0.2.0) ERROR: No matching distribution found for torchvision==0.20.1+cu121 (base) ddl-lab@ddl-lab-MS-7E48:/data/training_project/5090d_training$ 🔧 torchvision版本问题，让我们修正安装命令！ 🚀 修正安装命令 bash # 分开安装，先安装torch，再安装兼容版本 pip install torch==2.5.1+cu121 --index-url https://download.pytorch.org/whl/cu121 # torchvision使用兼容版本 pip install torchvision==0.20.1 --index-url https://download.pytorch.org/whl/cu121 # 或者使用最新稳定版 pip install torchvision torchaudio 📋 使用这个完整的安装脚本 bash # fixed_setup_5090d.sh #!/bin/bash echo "🚀 修正版RTX 5090D环境安装..." # 1. 安装PyTorch核心 echo "📦 安装PyTorch 2.5.1 + CUDA 12.1..." pip install torch==2.5.1+cu121 --index-url https://download.pytorch.org/whl/cu121 # 2. 安装兼容的torchvision和torchaudio echo "📦 安装torchvision和torchaudio..." pip install torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121 # 3. 安装Hugging Face库 echo "📦 安装Transformers和相关库..." pip install transformers accelerate peft bitsandbytes datasets # 4. 安装训练优化库 echo "📦 安装训练优化库..." pip install trl deepspeed # 5. 安装文本处理库 echo "📦 安装文本处理库..." pip install pdfplumber python-docx ebooklib beautifulsoup4 tqdm # 6. 验证安装 echo "✅ 验证安装..." python -c " import torch print('=== RTX 5090D 验证 ===') print(f'PyTorch版本: {torch.__version__}') print(f'CUDA可用: {torch.cuda.is_available()}') if torch.cuda.is_available(): print(f'GPU数量: {torch.cuda.device_count()}') print(f'当前GPU: {torch.cuda.get_device_name(0)}') print(f'GPU内存: {torch.cuda.get_device_properties(0).total_memory / 1024**3:.1f} GB') # 测试计算 x = torch.randn(5000, 5000).cuda() y = torch.randn(5000, 5000).cuda() z = x @ y print(f'✅ GPU计算测试通过: {z.shape}') else: print('❌ CUDA不可用') " echo "🎯 环境设置完成！" 🎯 立即执行 bash # 运行修正版安装脚本 chmod +x fixed_setup_5090d.sh ./fixed_setup_5090d.sh 🔧 如果还有问题，使用最小化安装 bash # 最小化安装方案 pip install torch==2.5.1+cu121 --index-url https://download.pytorch.org/whl/cu121 pip install transformers accelerate peft bitsandbytes datasets pip install pdfplumber tqdm # 验证基础功能 python -c "import torch; print('PyTorch OK'); import transformers; print('Transformers OK')" 📊 Python版本检查 bash # 检查Python版本（可能影响包兼容性） python --version # 如果是Python 3.12+，可能需要特定版本 pip install "torch>=2.5.1" "transformers>=4.45.0" --extra-index-url https://download.pytorch.org/whl/cu121 🎯 下一步行动 先运行修正版安装脚本 告诉我Python版本 然后我们开始训练 请先运行上面的修正安装脚本！ 安装完成后，我们就可以开始为5090D定制最强训练方案了！
09-25
| `CUDA kernel errors` | 安装Apex混合精度库： `pip install -v --no-cache-dir --global-option="--cpp_ext" --global-option="--cuda_ext" git+https://github.com/NVIDIA/apex` | | `Dtype mismatch` | 强制...
2.5.1+cu121
最新发布
12-06
方案二：使用`safetensors`格式加载模型（但是需要确保模型有对应的safetensors文件）或者使用旧版本的Transformers库（兼容PyTorch 2.5.1的版本）。 然而，我们注意到用户代码中使用的模型是`hfl/chinese-bert-...
Ext.get() 和 Ext.query()组合使用实现最灵活的取元素方式
01-19
前面写的get()和query()我都省略参数了，先看看文档中的函数原型： Ext.get( Mixed el ) : Element Parameters: el : Mixed The id of the node, a DOM Node or an existing Element. Returns: Element The Element object Ext.query( String path, [Node root] ) : Array Parameters: path : String The selector/xpath query root : Node (optional
Ext.get()和Ext.getCmp()
热门推荐
zengshuqin的专栏
07-15 2万+
ExtJS Ext.get()和Ext.getCmp()的区别 Ext.get( String/HTMLElement/Ext.Element el ) : Ext.dom.Element 返回的是 Ext.dom.Element 对象。 Ext.getCmp( String id) 返回的是Ext.Component对象。也就是在js代码中定义的对象。  
Ext.get()与Ext.fly()之区别
fming09的专栏
03-27 172
Ext.Element是Ext对Dom元素的一个强有力封装，它封装了很多方便对dom操作的接口(并通过Element的dom属性引用对应的dom元素)，因此每创建一个Element元素都将消耗不少的内存(主要是大量的操作接口消耗)，因此如果创建过多的Element元素必然导致内存占用的剧增和系统性能的下降。 Ext.get和Ext.fly返回的都是一个Element对象，但是Ext.get返...
ExtJS中的get函数:get,getCmp,getDom,getBody,getDoc
King-Bond's Space
03-27 2170
get:  用来获取一个Ext元素，也就是类型为Ext.Element的对象。Ext.Element类是Ext对DOM的封装，每个Ext.Element都对应着HTML中的一个DOM元素，我们可以为每一个DOM创建一个对应的Element对象。并通过Element对象中的函数来实现对DOM的指定操作。例如，可以使用hide函数隐藏元素，使用initDD函数为指定的DOM添加拖放特性等。get函数其实就是Ext.Element.get的简写形式。      get函数中只有一个参数，但是这个参数可以表示多种含
extjs 获取get_Extjs 通过Ext.get()获得panel中的div为空（null）
weixin_35371418的博客
12-24 331
//生成一个panelvar panel = new Ext.Panel({id : 'sbb_dashboard_rightContentTop_id',layout : 'column',border : true,frame :true,autoScroll : true,listeners : {show : this.showCabinetAndDisk,scope : this}});...
Ext.get() 和 Ext.query() 取元素方式
cyd1986的博客
10-10 311
想要利用ExtJS的库函数对DOM进行各类操作，就要得到Element类型的对象，但是Ext.get()取到的虽然是Element，但是参数只能是id，如果大家对jQuery的selector方式很喜欢和崇拜，那么就一定要学习Ext.get()和Ext.query()的组合（个人推荐）方式。 前面写的get()和query()我都省略参数了，先看看文档中的函数原型： Ext.get( Mixe...
cls extjs5_ExtJs使用总结(非常详细)
weixin_33410880的博客
12-24 485
ExtJs使用总结(非常详细)更新时间：2012年03月22日 22:26:24 作者：ExtJs使用总结(非常详细)，需要的朋友可以参考下一、获取元素(Getting Elements)1.Ext.getvar el = Ext.get('myElementId');//获取元素，等同于document.getElementById('myElementId');//会缓存2. Ext.fl...
ext fly get 区别 get、getDom、getCmp、getBody
p656456564545的专栏
08-12 1264
Ext.get()与Ext.fly()之区别 从一开始接触Ext就看到有Ext.fly这个函数，当时觉得这个跟Ext.get没什么区别，加之当时对JS性能相关问题认识肤浅，也一直没有在意其区别，今日看learning extjs一书，看到了有专门对Ext.fly特别强调的一处： This isn't exactly a speed tip, but is more about cons
Ext中常用的获取元素(get)的方法及区别
w_wind的专栏
01-16 3062
Ext中有几个以get开头的方法，这些方法可以用来得到文档中DOM、得到当前文档中的组件、得到Ext元素等，在使用中要注意区别使用。 1、get方法 get方法用来得到一个Ext元素，也就是类型为Ext.Element的对象，Ext.Element类是Ext对DOM的封装，代表DOM的元素，可以为每一个DOM创建一个对应的Element对象，可以通过Element对象上的方法来实现对DOM指定
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
 
红包 添加红包
表情包 插入表情
表情包 代码片
 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