题外话+Mysql中limit后不能跟变量问题的解决方法

limit传参的使用方法 在mysql中使用limit传参的方法,一个简单的实例 立即下载

先说两句体外话:好久没在优快云的blog写东西了,一个原因是自己最近工作比较忙,最主要的原因还是优快云的blog反映太迟钝,偶尔有想法想记录下来,打开博客主页http://blog.youkuaiyun.com/hellolongbin都打不开,要么进度条在下面缓慢的加载,要么干脆就报

已取消到该网页的导航

 

 

您可以尝试以下操作:

 

刷新该网页。

。反复刷新,跳过出现的Service Unavailable,打开新页面,终于能看到页面了,点《写新文章》,页面又出错,等好不容易看到加载到一半的页面了,心里想写的那点东西早就抛到JAVA国去了。

今天先远程控制公司服务器登陆的博客,打开主页和写文章页面时速度还是奇慢无比,网通的光纤接入阿!一不留神看到左下角的提示,还有61项正在加载中,看到的时候还有61项,不知道页面刚打开的时候需要加载多少个启动项。

牢骚发完,说正文。最近做项目用到了MySql数据库,感觉还是蛮好用的,但是有同事前几天写存储过程的时候老调不通,我看了看后发现把limit语句后面带的参数随便改成一个数字就调试通过了,不知道是MySql当初就这么设计的还是一个bug。后来在网上找到一个方法可以通过传参数的方法解决该问题:

 set @stmt = concat('select * from ',table_name,' limit ?,?');

  prepare s1 from @stmt;

  set @s1 = page_begin;

  set @s2 = page_end;

  execute s1 using @s1,@s2;

  deallocate prepare s1;

 

 

再附:写完了提交又报:

.Text - 应用程序错误!

详细情况

没有可用的错误类型

返回站点

错误,我真是服了,也许这是我在优快云的blog上写的最后一篇文章了

--

还是提交失败,不知道公告上的.text错误bug已修正是给人看的还是唬鬼的。失败一次记录一次吧,刚才特地又去看了看那个公告,页面还在顽强打开中……

 

--

提交又失败了。服务器上看来是不行了,想在我机器上再试试,共打开我的博客主页三次,头两次很干脆的告诉我:

 

已取消到该网页的导航

 

 

您可以尝试以下操作:

 

刷新该网页。

第三次终于经过不懈努力顽强的显示出了我的首页。点写新文章,看到了管理文章页面,再点该页面上的写新文章链接,浏览器终于支持不住倒戈投降了:

 

此程序无法显示网页

 

 

最可能的原因是:

  • 未连接到 Internet。
  • 该网站遇到了问题。
  • 在地址中可能存在键入错误。

 

您可以尝试以下操作:

 

检查您的 Internet 连接。尝试访问其他网站以确保已连接到 Internet。

 

重新键入地址。

 

返回到上一页。

 

更多信息

此问题可能是由下列各种问题导致的:

 

程序自动化填写网页表单数据 如何让程序自动化填写网页表单数据,特别是涉及到批量数据情况时,可以减少人力。下面是涉及到的一些场景,都可以通过相关自动化程序实现。 阅读详情

相关推荐

VsCode+JLink+GCC替代Keil开发GD32程序-个人总结

对个人使用vscode+Jlink开发GD32程序做了总结,供需要者参考。

MyCollege1999的博客 2762

SQL查询limit中使用变量

请注意,在使用动态 SQL 时,要格外注意防范 SQL 注入攻击,确保输入的数据不会导致安全问题。对于涉及到重要数据和权限的查询,最好使用存储过程或在应用程序层面进行参数绑定,而不是直接在 SQL 查询中拼接变量。以下是第二种方法的示例,假设你在应用程序代码中处理 SQL 查询。的值,然后使用该值来构建动态的 SQL 查询,并执行该查询。在应用程序代码中处理:在应用程序代码中,先执行第一个查询获取。函数构建动态的 SQL 查询,并将结果保存在。的值,然后构建第二个查询,并将。的值用作 LIMIT。

pjjp_0309的博客 1182

实战复盘:如何用ATE(自动测试设备)搞定一颗MCU的功能测试全流程

本文详细解析了如何利用ATE(自动测试设备)完成MCU功能测试的全流程,涵盖测试需求分析、测试向量生成、ATE测试程序开发及调试实战。通过真实案例分享,帮助工程师高效解决芯片测试中的常见问题,提升Functional Test的准确性和效率。

weixin_30872157的博客 485

mysql的limit offset后面不能跟变量 只能硬编码数字的问题

今天在写mysql存储过程的时候遇到一问题 mysql版本呢:5.1.40 不知道高一点的版本有无此问题 如果高版本不存在此问题亲跳过   sql如下: SELECT pid,NAMES INTO _dp_id,_dp_names FROM department LIMIT 1 OFFSET _dp_count; _dp_count是我声明的一变量   执行的时候报错...

hexin373的专栏 5517

P1003 [NOIP2011 提高组] 铺地毯 python题解

解题思路: 1、根据题意,所有地毯都是挨着铺的,所以最上面的一条符合题意的一定是从后往前数的第一条符合题意的。 2、符合题意要求x和y同时满足大于等于地毯左边坐标并且小于等于地毯右边坐标。 代码如下: n = int(input()) a = [] for i in range(n): a.append(list(map(int,input().split()))) x,y = list(map(int,input().split())) l = len(a) while l > 0: ..

繁华三千东流水不舍昼夜的博客 1620

YOLOv8车辆碰撞识别检测系统(项目源码+YOLO数据集+模型权重+UI界面+python+深度学习+环境配置+目标检测)

随着我国汽车保有量的持续攀升,道路交通事故数量居高不下,车辆碰撞损伤的快速、精准评估已成为交通安全管理、保险理赔定损以及汽车后市场服务中的关键环节。传统的人工目视查验方法高度依赖评估人员的专业经验,不仅主观性强、效率低下,而且在复杂光照、多角度遮挡等真实场景下难以保证评估的一致性和可复现性。计算机视觉与深度学习技术的迅猛发展,为目标检测任务提供了强有力的技术支撑,使得基于视觉的车辆损伤自动化识别成为可能。

斌擎科技 128

mysql子查询不支持limit问题解决

This version of MySQL doesn’t yet support ‘LIMIT & IN/ALL/ANY/SOME 错误解决 这次国庆节回来后的测试中,在一个Mysql表达式中使用嵌套查询,出现了这个错误。原因是内层select语句带有limit子句。 在网上查了下,有文章指出: 比如这样的语句是不能正确执行的。 select * fr

wangcomputer2010的专栏 3575

华为od统一考试B卷【单词搜索】C++ 实现

找到它是一个小游戏,你需要在一个矩阵中找到给定的单词。假设给定单词 HELLOWORD,在矩阵中只要能找到 H->E->L->L->O->W->O->R->L->D连成的单词,就算通过。意区分英文字母大小写,并且您只能上下左右行走,不能走回头路。

MISAYAONE的博客 706

数据库-实验-学习笔记

e/r关系模型 e/r的意思:实体关系 entity-realationship 实体和实体集的关系 关系的度,一般是二元关系,也有多元的 关系是(定义)连接两个或多个实体集的 关系集:一个表格,有两边实体集的名字但是没用其他属性 属性里下划线代表主键 映射基数?约束 一对一:两边都有箭头 一对多:和多对一一样 多对一:1.指向一的那边有箭头 多对多:没有箭头 Q:关系上面有个属性代表什么? A: role,在marg上做了笔记 两个实体集上可以有好几个关系 键挺好懂的

qq_39946640的博客 1362

YOLOv11改进有效系列目录 - 包含卷积、主干、检测头、注意力机制、Neck上百种创新机制 - 针对多尺度、小目标、遮挡、恶劣天气等问题

在一些特定情况下,目标检测任务由于多种因素的影响,变得更加复杂和困难。以下是几类常见的困难目标检测场景:1. 小目标检测定义:小目标检测是指当目标在图像中的占比非常小时,模型需要准确识别和定位这些目标。典型场景包括远程监控、卫星图像分析等。挑战1. 低分辨率:由于目标在图像中占据像素较少,细节缺失,特征提取难度增加。2. 特征不足:小目标缺乏明显的形状和纹理特征,容易被复杂背景淹没。3. 检测难度大:由于小目标与背景之间的对比度较低,误检的几率上升。4. 数据不平衡。

qq_64693987的博客 4万+

倍福控制第三方伺服走CSV模式--以汇川伺服为例

在使用TwinCAT软件控制标准CiA402协议的EtherCAT伺服时使用TwinCAT软件NC自带的运动控制指令控制伺服,此时伺服驱动器一般工作在CSP/CSV/CST模式。最常见伺服驱动器工作在CSP模式,轨迹规划运行在TwinCAT软件,位置环速度环电流环运行在伺服驱动器中。该模式下速度波动较大,需要极度平稳的速度需要采用CSV模式。本文讲述的是伺服驱动器工作在CSV模式,此时轨迹规划和位置环均运行在TwinCAT软件,速度环电流环运行在伺服驱动器中。为了简化文字描述,本文采用图文结合的方式介绍伺服

weixin_41883890的博客 4847

8种最坑的SQL错误用法,第一个就很坑?

点击上方蓝色字体,选择“标星公众号”优质文章,第一时间送达上一篇:这300G的Java资料是我师傅当年给我的,免费分享给大家(已修复)下一篇:昨天分享资料不小心把百度网盘深处的秘密泄露了...

公众号-老炮说Java 271

9.23华为OD机试真题 新系统 - 小菊的寻宝之旅 (Java/Py/C/C++/Js/Go)

9.23华为OD机试真题 新系统 - 小菊的寻宝之旅 (Java/Py/C/C++/Js/Go)

算法大师! 976

SQL注入核心知识到实操,从零基础入门到精通,收藏这一篇就够了!

图像、语音、文字等各类可被计算机处理的信息。:按数据结构组织、存储和管理数据的“仓库”,MySQL,MSSQL,Oracle等。:操纵和管理数据库的软件,负责数据库的建立、使用和维护,保障其安全性和完整性。:用于存取数据以及查询、更新和管理关系数据库系统。数据库——>表——>列(字段)——>⾏(记录)打开⼩⽪mysql,配置环境变量,密码root root,默认关闭远程连接,⼀般先拿webshell再连接数据库。

小司机的奥拓 1171

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。

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

Ansible自动化部署LAMP:Ubuntu 18.04下的声明式运维实践

LAMP(Linux+Apache+MySQL+PHP)作为经典Web技术栈,其部署本质是多组件状态协同管理问题。传统手动或脚本方式易引发配置漂移、环境不一致与协作断层;Ansible以YAML声明式语法、无Agent架构和幂等执行机制,将LAMP部署转化为可验证、可回滚、可版本化的基础设施代码。它通过Inventory建模环境拓扑、Playbook原子化拆解安装逻辑、Handler保障服务一致性,并天然适配Ubuntu 18.04 LTS中MySQL 5.7、PHP 7.2与Apache mpm_pref

382

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

Python调用Slack Bot Token实现生产级消息推送

Slack作为现代团队协作的中枢系统,其消息自动化能力依赖于可靠的API集成方案。Bot Token机制基于OAuth 2.0权限模型,提供细粒度控制、身份可定制、支持@提及与文件上传等核心能力,相比Incoming Webhook具备更强的安全性与扩展性。在运维告警、数据日报、CI/CD通知等高频场景中,Python通过slack_sdk调用chat.postMessage等接口,结合Blocks富文本、环境变量安全管理和频道权限配置,可构建高可用、可审计、低维护成本的通知中枢。本文聚焦Bot Token

weixin_33749242的博客 430

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")

mysql中limit后如何跟运算符,mysql中limit的用法深入分析

select * from table limit m,n其中m是指记录开始的index,从0开始,n是指从第m条开始,取n条。复制代码 代码如下:mysql(root@localhost:test)>select * from total;+----+-----------------+--------+------------+| id | name | numbe...

weixin_35417196的博客 1297

关于mysql 子查询中 使用 limit

在MySQL 8.0中 子查询是不能使用LIMIT的 但是 只要 变通一下 sql语句, 就可以做到 执行

hugh 的博客 6475

mysql sql 中 limit 接收变量方法

PREPARE s1 FROM 'SELECT * FROM ysxx LIMIT ?,?'; set @_limit=1; set @_limit1=(select count(1) from ysxx); EXECUTE s1 USING @_limit,@_limit1;  

akemt的专栏 6084

MYSQL 中 LIMIT 用法

mapper文件中的sql:   (在实体类中定义的属性)   start:从第几条记录开始。   size:读取几条记录。  select id=”findAllUsers” parameterType=”Map” resultType=”entity.IUser”&gt; select * from newusers &lt;where&gt; u...

Java框架、并发编程、分布式、微服务、Redis、HarmonyOS、中间件等技术 2487

MySQL limit后面加变量

如下所示MySQL存储过程中的一段代码,limit后面加了一个变量,而不是一个常量。 DECLARE var_num1 INT ; SET var_num1=10; SELECT * FROM test1 LIMIT var_num1 ; . MySQL 5.5+ 版本 以上内容在存储过程里可以正常执行。 . MySQL 5.5 以下版本 以上内容在存储过程里执行报错,连过程都添加不了。 原因: 以前的版本,limit后面只能加常数,不能加变量。 处理方法: 使用动态SQL执行 DECLARE va

weixin_40649680的博客 5434

mysql 存储过程 limit 变量_存储过程 – mysql存储过程:在limit语句中使用声明的变量返回错误...

我有以下代码:delimiter ;DROP PROCEDURE IF EXISTS ufk_test;delimiter //CREATE PROCEDURE ufk_test(IN highscoreChallengeId INT UNSIGNED)BEGINDECLARE vLoopOrder INT UNSIGNED DEFAULT 5;DECLARE vLoopLimit INT UNS...

weixin_39729115的博客 427

mysql 存储过程中limit

mysql 存储过程中limit 1、mysql的高版本(5.5),存储过程中的limit可以使用变量,如下:select * from student limit iStart,iNum; 2、mysql的低版本(5.1),存储过程中的limit不能使用变量,编译报错,如下:You have an error in your SQL syntax, ...near iStart,iNum 3、怎么解决低版本的问题? 可以使用执行动态sql语句,把整个sql语句传给存储过程。静态sql语句,编译的时候

没做过产品的后端不是个好前端 806
上一篇: MySql存储过程中limit不能动态参数问题的解决
下一篇: 沉痛悼念张文顺先生
hellolongbin
博客等级 码龄22年 55粉丝 66原创
评论 2
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