第十章 React操作表单

HTML表单详解:Web交互的核心技术;连载10~13章【框架,实战】 本文摘要: 文章系统介绍了现代前端框架(Vue/React/Angular)中的表单开发与优化方案。重点内容包括:Vue的v-model双向绑定、React受控组件与Hook Form、Angular响应式表单的实现差异;表单安全防护(XSS/CSRF/SQL注入)的防御策略;大规模表单性能优化技巧(分步表单/虚拟滚动/懒加载/防抖);并通过Vue3综合案例演示了分步表单、状态管理、文件上传和校验的完整实现。强调通过框架特性提升开发效率,同时结合安全策略与性能优化构建健壮的表单系统。 阅读详情


在这章里,开始学习React中如何操作表单。

一、一个简单的实例

本例中设置输入框 input 值value = {this.state.data},当在输入框值发生变化时,可以使用 onChange 事件来监听 input 的变化,并修改 state,状态值的改变即刻渲染到页面上。

<!DOCTYPE html>

<html>

  <head>

    <meta charset="UTF-8" />

    <title>React中的表单操作</title>

    <script src="js/react.min.js"></script>

    <script src="js/react-dom.min.js"></script>

    <script type="text/javascript"src="js/browser.min.js" ></script>

    <script type="text/javascript"src="js/jquery-2.1.0.min.js"></script>

  </head>

  <body>

    <div id="hello"></div>

        <script type="text/babel">

   var HelloForm = React.createClass({

  getInitialState: function() {

    return {username: 'afeng',userpwd:'afeng2'}

         

  },

  handleChange: function(e) {

    this.setState({username: e.target.value});

  },

  handlePwdChange: function(e) {

    this.setState({userpwd: e.target.value});

  },

  render: function() {

    var username = this.state.username;

     var userpwd = this.state.userpwd;

    return <div>

<input type="text" value={username} onChange={this.handleChange} />

<br/>

      <input type="password" value={userpwd} onChange={this.handlePwdChange} />

            <h4>{username}</h4>

            <h4>{userpwd}</h4>

           </div>;

  }

});

ReactDOM.render(

  <HelloForm />,

  document.getElementById('hello')

);

    </script>

  </body>

</html>

二、综合案例

从上面的例子可知,一个input要对应handleChange方法,显然不合适的,下面的例子合成一个函数处理。

 <!DOCTYPE html>

<html>

<head>

    <meta charset="UTF-8">

    <title>表单详解</title>

</head>

 <script src="js/react.min.js"></script>

    <script src="js/react-dom.min.js"></script>

    <script type="text/javascript"src="js/browser.min.js" ></script>

<body>

<div id="reactDemo"></div>

    <script type="text/babel">

 var ReactForm = React.createClass({

    getInitialState:function(){

        return {

            username:'ReactDemo',

            gender:'man',

            checked:true

        };

    },

    handleChange:function(event){

        var newState={};

       newState[event.target.name]=event.target.name=="checked"?event.target.checked:event.target.value;

        this.setState(newState);

    },

    submitHandler:function (e) {

      

        console.log(this.state);

    },

    render:function () {

        return <form onSubmit={this.submitHandler}  action="" method="get">

            <label htmlFor="username">请输入用户名</label>

            <input type="text" name="username" onChange={this.handleChange} value={this.state.username} id="username"/>

            <br/>

            <select name="gender" onChange={this.handleChange} value={this.state.gender}>

                <option value="man">男</option>

                <option value="woman">女</option>

            </select>

            <br/>

            <label htmlFor="checkbox">全选</label>

            <input type="checkbox" value="全选" checked={this.state.checked} onChange={this.handleChange} name="checked" id="checkbox"/>

            <button type="submit">提交</button>

        </form>

    }

});

ReactDOM.render(<ReactForm/>,document.getElementById('reactDemo'));

</script>

</body>

</html>

需要注意的是,在submitHandler中,如果加入如下代码,则不会提交数据。

e.preventDefault();

 

在 React 中设置可自定义的多步骤(向导)表单 在本教程中,我们将在 React 中设置一个多步骤表单(也称为向导表单)组件。由于 React 是基于组件的,这可以通过将每个步骤包含在一个单独的组件中来实现。我们将输入到字段中的值存储在dataprop 中,handleChange更新存储的值并next加载表单的下一步。如您所见,多步骤功能由一个switch语句处理,该语句检查是什么currentStep,然后为该步骤呈现组件。我们不会在本教程中创建提交功能,有很多方法可以做到这一点。你有它,一个多步骤的表单,你可以修改它以满足你的需要。 阅读详情

相关推荐

blenderproc 制作位姿估计数据集

blenderproc 制作位姿估计数据集 准备工作 1.首先需要去下载blenderproc的源码blenderproc,按照作者的readme文件进行编译。 2.其次需要下载bop_toolkit源码,链接如下bop_toolkit 3.说明:blenderproc主要用来生成数据,包括depth,rgb,位姿标签文件(scene_gt.json),bop_toolkit主要用来生成mask和mask_visib,scene_gt_info.json,用于判断物体的可见区域比例,如果遮挡太多考虑去掉。做

qq_43814359的博客 5700

React表单处理(受控组件)

表单处理

weixin_51599731的博客 381

新手工程师必看:搞定EMI传导干扰,从理解差模和共模开始(附实战案例)

本文深入解析EMI传导干扰中的差模与共模问题,为新手工程师提供从诊断到治理的完整方法论。通过实战案例展示如何通过频谱分析、近场探头扫描等技术精准定位干扰源,并分享PCB布局、滤波器设计等系统级解决方案,帮助工程师高效解决传导干扰问题,提升EMC设计能力。

weixin_26757925的博客 474

react实战笔记50:获取表单数据2

前端

qq_41632427的博客 260

电机控制-PMSM无感FOC控制(五)SVPWM过调制策略优化与谐波抑制

本文深入探讨了PMSM无感FOC控制中的SVPWM过调制策略优化与谐波抑制。针对电机高速运行时电压利用率不足的问题,分析了过调制技术的必要性,并详细阐述了分区过调制、谐波注入及闭环优化等主流策略,旨在提升电压利用率与抑制电流谐波,实现电机高性能控制。

convnet3designer的博客 354

Rockit VDEC解码实战:从零构建高效视频处理流水线

本文详细介绍了Rockit VDEC硬件解码模块在RK3568/RK3588平台的应用实践,涵盖开发环境配置、MPI接口使用、码流发送模式选择、内存管理优化及多路解码系统构建。通过实战案例展示如何利用VDEC实现高效视频处理流水线,显著降低CPU占用率,提升嵌入式多媒体开发效率。

ol789012的博客 306

React基础 - 表单及高阶组件

理解 受控组件就是可以被 react 状态控制的组件 在 react 中,input、textarea 等组件默认是非受控组件(输入框内部的值是用户控制,和React无关)但是也可以转化成受控组件,就是通过 onChange 事件获取当前输入内容,将当前输入内容作为 value 传入,此时就成为受控组件 好处:可以通过 onChange 事件控制用户输入,使用正则表达式过滤不合理输入 非受控组件 代码演示 <!-- 引入react核心库 --> <script src="../js/r

吾昂王 1210

【读书笔记】Verilog的亚稳态现象和跨时钟域处理方法

文章目录 一、亚稳态 (1)跨时钟域的亚稳态现象 (2)亚稳态的多径传输 二、跨时钟域处理 2.1 单bit信号跨时钟域处理 (1)单径两级触发器同步器 (2)相位控制 (3)多径与多级寄存器同步链 (4)组合逻辑信号的同步化 (5)快时钟域信号的同步化 2.2 多bit信号的跨时钟域处理 (1)异步FIFO (2)双口RAM.........

毕淑敏曾说过:“我不相信命运,我只相信自己的手;我不相信手掌上的纹路,但我相信手指加上手掌的力量”。在这个快节奏的社会,只有自己能力不足才会被卷,踏踏实实沉下心来学一些技术,及时记录,方便以后复盘。 2万+

react自动触发表单提交_javascript-React-防止表单提交

javascript-React-防止表单提交我一直在试验React。 在我的实验中,我使用的是Reactstrap框架。单击按钮时,我注意到HTML表单已提交。 有没有一种方法可以防止单击按钮时提交表单?我在这里重新创建了我的问题。 我的表单非常基本,看起来像这样:Buttonsprimary我想念什么?9个解决方案62 votes我认为首先要注意的是,如果没有JavaScript(纯HTML...

weixin_39713833的博客 721

2025美赛C题奥运奖牌榜模型(附代码+全保姆教程)Models for Olympic Medal Tables

伟大教练”效应的测量方法定义奖牌变化率:−−​如果变化率显著为正,且超出历史平均增长率,则认为存在“伟大教练”效应。使用统计方法(如t检验)验证教练到来是否带来显著性差异。

博客 6374

YOLO26模型应用过程中的报错处理及疑问解答,涉及环境搭建、模型训练、模块改进、论文写作

本文记录了YOLO26模型的这一系列过程中可能发生的问题,以及大家非常关心的问题,这里统一做了一个记录和解答。

Limiiiing的博客 244

web前端高级React - React从入门到进阶之表单以及受控组件和非受控组件

系列文章目录 第一章:React从入门到进阶之初识React 第一章:React从入门到进阶之JSX简介 第三章:React从入门到进阶之元素渲染 第四章:React从入门到进阶之JSX虚拟DOM渲染为真实DOM的原理和步骤 第五章:React从入门到进阶之组件化开发及Props属性传值 第六章:React从入门到进阶之state及组件的生命周期 第七章:React从入门到进阶之React事件处理 第八章:React从入门到进阶之React条件渲染 第九章:React从入门到进阶之React中的列表与key

lixiaosenlin的专栏 5693

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

React 第十章 Antd Pro

Ant Design Pro 是基于 Ant Design 和 umi 的封装的一整套企业级中后台前端/设计解决方案,提供了一套丰富的UI组件和一些预设的布局模板,旨在帮助开发者快速搭建高质量的企业级应用程序。预设的布局模板:Antd Pro提供了多种预设的布局模板,包括经典的左侧菜单布局、顶部菜单布局和顶部导航布局等,开发者可以根据项目需求选择合适的布局模板,快速搭建页面结构。高度可定制化:Antd Pro 提供了丰富的配置选项和可扩展的插件机制,使得开发者可以根据自己的需求定制和扩展项目的功能和样式。

aXin_li的博客 1647

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

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。

第十章 React中的非受控组件和受控组件

了解react中的受控组件和非受控组件

天界程序员的博客 202

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")

React 和 Bootstrap Web 开发学习手册(一)

我们都知道 JavaScript 应用程序是 Web 开发的未来,有许多不同的框架可用于构建同构 JavaScript Web 应用程序。然而,随着 Web 开发世界的变化,我们都需要作为开发人员现代化,学习新的框架并构建新的工具。重要的是要分析框架的代码方法,并采用相同的方法,而不是迷失在框架市场中。ReactJS 是一个开源的 JavaScript 库,类似于 Bootstrap,用于构建用户界面,被称为MVC中的V(视图)。当我们谈论M和C。

龙哥盟 1105

React 核心概念(一)

作为构建现代、交互式用户界面的最受欢迎的 JavaScript 库,React 是一个需求旺盛的框架,将为您的职业生涯或下一个项目带来真正的价值。但就像任何技术一样,学习 React 可能会有点棘手,找到合适的老师可以使事情变得容易得多。Maximilian Schwarzmüller 是一位畅销书作者,他帮助全球超过三百万名学生学习如何编程,他的最新 React 视频课程()在 Udemy 上有超过八十万名学生。Max 编写了这本深入浅出的参考书,旨在帮助您掌握 React 编程的世界。

龙哥盟 568

React 示例(一)

ReactJS 是一个开源的 JavaScript 库,旨在将响应式编程的方面引入 Web 应用程序和网站。它旨在解决开发单页应用程序时遇到的挑战。React 的核心原则是声明式代码、效率、灵活性和改进的开发者体验。在工作过程中深入研究新技术,还有什么更好的学习方法呢?这本书将通过不同的项目引导你,每个项目都专注于你在掌握 React 过程中的特定功能。我们将涵盖从 JSX、插件、性能到 Redux 的所有内容。让我们的旅程开始吧!ReactJS 试图从视图层解决问题。它可以很好地定义并用作任何。

龙哥盟 979

翻译 Meteor React 制作 Todos - 04 - 表单与事件

通过表单(form)添加任务 在这个步骤,我们将为用户在列表上添加输入框。 首先,在App.jsx文件中App组件上添加表单吧。 <div className="container"> <header> <h1>Todo List</h1> <!-- 添加开...

weixin_34088583的博客 129

React详细笔记

初始化阶段:由 ReactDOM.render()触发—初次渲染render()componentDidMount()===>一般在这个钩子中做一些初始化的事,例如:开启定时器、发送网络请求、订阅消息更新阶段:由组件内部 this.setState()或父组件重新 render 触发render()===>必须要用卸载组件:由 ReactDOM.unmountComponentAtNode()触发。

2502_91080356的博客 205

web前端高级React - React从入门到进阶之Refs&DOM以及Refs转发

第二部分:React进阶 系列文章目录 第一章:React从入门到进阶之初识React 第一章:React从入门到进阶之JSX简介 第三章:React从入门到进阶之元素渲染 第四章:React从入门到进阶之JSX虚拟DOM渲染为真实DOM的原理和步骤 第五章:React从入门到进阶之组件化开发及Props属性传值 第六章:React从入门到进阶之state及组件的生命周期 第七章:React从入门到进阶之React事件处理 第八章:React从入门到进阶之React条件渲染 第九章:React从入门到进阶之

lixiaosenlin的专栏 5673

React 秘籍(一)

现在存在大量用于 Web 开发的 JavaScript 库、框架和工具。然而,我们应该评估每种技术是否符合我们项目的要求。这就是为什么我想向你介绍 React,这是一个创建动态 UI 的最强大的库之一。它是目前由 Facebook 制作的最流行的库(不是框架)。我在不同的项目中使用过其他 JS 框架,比如 AngularJS(还有新版本的 Angular 2、4、5)、Backbone.js、Ember 和 Vue.js,但我可以告诉你,使用 React 我更喜欢开发新的 Web 应用程序。

龙哥盟 763

《React:引领未来的用户界面开发框架》— —自编教程源码

二、JSX《第二章源码》 demo1 - 7 React使用原生Javascript版本 React使用JSX语句 React自动识别{},当javascript处理 React子节点this.props.children JSX中嵌入javascript;如:条件判断、使用变量、使用函数、使用逻辑与(&&)、使用逻辑或(||) React非DOM属性(key、ref、dangerouslySet

theScoreONE的博客 6465

React 挂钩学习指南第二版(二)

在本部分,你将了解各种 Hooks 及其使用方法。我们首先介绍用于管理应用状态的 Reducer 和 Effect Hooks。然后,我们将介绍 React 上下文和 TanStack Query、React Hooks 以及 React Suspense 的数据获取。接下来,我们将学习如何使用 React 表单操作和 Action State Hook 来处理表单提交。我们将继续学习如何使用 React Router 和 Hooks 处理各种路由场景。然后,我们将概述 React 提供的所有内置 Hook

龙哥盟 722
上一篇: 第九章 React的Ajax
下一篇: Oracle触发器简单实例
fullStackChenZF
博客等级 码龄10年 44粉丝 70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