微信小程序加渐变阴影

微信小程序文字特效实战:用CSS filter实现渐变+阴影的完美组合 本文详细介绍了如何在微信小程序中利用CSS filter属性实现文字渐变和阴影效果的高级组合。通过实战代码示例,展示了如何结合`background-clip`和`filter: drop-shadow`创造视觉惊艳的文字特效,同时提供了性能优化建议和兼容性解决方案,帮助开发者提升小程序UI设计水平。 阅读详情

//(300,10, 300, 300)可调整这几个数值决定矩形阴影是横向渐变还是纵向渐变

const grd = deliverctx.createLinearGradient(300,10, 300, 300);

grd.addColorStop(0, '#02B591')

grd.addColorStop(0.6, '#F6F9FF')

grd.addColorStop(0.9, '#6FFFE9')

grd.addColorStop(1, '#ffffff')

grd.fillStyle = "2d"

deliverctx.setFillStyle(grd); //将渐变色渲染入正方形

 

deliverctx.save();

deliverctx.beginPath();

//设置路径起点坐标

deliverctx.setGlobalAlpha(0.4)

//设置阴影底部的最左边位置

deliverctx.lineTo(width, 300)

//画阴影

for (var i = 0; i <att.length; i++) {

var attObj = att[i];

var space = width / att.length * 0.5

// //坐标

var space = width * 0.5

var x1 = width

var x = width * (i + 1)

var y = getpx(thisObj.data.maxProgressHeight) - getpx(attObj.height) + initheight;

 

deliverctx.lineTo(x, getpx(y)) //终点

}

//底部终点位置

deliverctx.lineTo(width * att.length, 300)

//先关闭绘制路径。注意,此时将会使用直线连接当前端点和起始端点。

deliverctx.closePath();

deliverctx.clip();

//然后画线

//阴影不随像素的改变而改变

function getpx(x) {

return x / 750 * wx.getSystemInfoSync().windowWidth

}

 

微信小程序--文字添加渐变和阴影 文字添加渐变和阴影 阅读详情

相关推荐

微信小程序--CSS滤镜实现文字渐变与阴影特效

本文针对微信小程序中文字渐变与阴影特效的兼容性问题,深入剖析了传统text-shadow方法的局限,并重点介绍了CSS filter属性,特别是drop-shadow滤镜的解决方案。通过实战代码演示,详细讲解了如何利用drop-shadow实现稳定、多端兼容的渐变文字阴影、多重发光及浮雕等高级特效,并提供了针对微信小程序环境的兼容性优化技巧与性能建议。

weixin_28559803的博客 419

CSS之文字阴影和文字颜色渐变

先上个效果图文字阴影 ![在这里插入图片描述](https://img-blog.csdnimg.cn/20200605175937313.png#pic_center 关键代码 font-size: 40rpx; color: #fff; text-shadow:5rpx 2rpx 6rpx #000;//设置文字阴影关键CSS3 font-weight: bold; letter-spacing:7rpx;//设置文字间距 效果图文字颜色渐变 不难看出文字的颜色从左到右发生了变化

weixin_44936767的博客 1137

微信小程序文字特效实战:用CSS3实现渐变+阴影的5种高级玩法

本文详细介绍了在微信小程序中使用CSS3实现五种高级文字特效的方法,包括霓虹灯文字、金属质感文字、磨砂玻璃文字、荧光文字和立体浮雕文字。通过`background-clip`、`filter`和`blend-mode`等属性的创造性组合,开发者可以轻松实现渐变与阴影的复合效果,提升小程序的视觉表现力。文章还提供了性能优化和兼容性解决方案,帮助开发者在不同场景下做出合理选择。

weixin_28520495的博客 91

微信小程序图片下边阴影

图片下边阴影

weixin_55109830的博客 1557

微信小程序设置text-shadow、box-shadow阴影

微信小程序设置文字字体阴影效果 text-shadow:5px1px6px#000 微信小程序给框设置阴影效果 box-shadow: 0rpx 10rpx 50rpx 10rpx #5555551A; 在开发环境上有效,但在真机上无效。 解决办法: 使用rgba创建颜色后,在IDE和真机上都有效了。 box-shadow: 0rpx 10rpx 50rpx 10rpx rgba(...

Dove言和 1万+

实现图像加载时的渐隐淡入效果

通过逐步设置图片的透明度和添加 CSS 动画效果,我们能够在图片加载完成后以流畅的渐隐淡入方式展示图片,提升用户的视觉体验。在微信小程序中,我们经常需要展示图片,并且希望在图片加载完成后能够以一种渐隐淡入的效果显示出来,以提升用户体验。接下来,我们需要在 WXSS 文件中定义 CSS 样式,包括图片的初始状态和动画效果。然后,在对应的 JS 文件中,我们需要定义页面的数据和方法。同时,我们可以为图片添加一个 CSS 类名,用于后续的动画效果。事件,以监听图片加载完成的事件,并调用对应的方法。

TiCrystal的博客 342

小程序View设置背景颜色渐变+透明+阴影【转载】

需完成的效果: 做出一个粉色渐变的按钮,但因为设置了rgb格式颜色,会与后面的背景颜色重叠,效果就是这样的: 我想了一个办法,给按钮单独设置一个view(相当于一个框),背景颜色设置成白色,这样就不会被整体的背景颜色影响。 代码如下: wxml文件 <!--给按钮单独设置一个view --> <view class="btn-end-icon"> &...

夜空的流星的专栏 1万+

如何在微信小程序中使用样式和布局

本文详细介绍了在微信小程序中使用样式和布局的内容,包括样式基础、布局方式、布局组件、样式效果和实践案例。微信小程序是一种基于微信开发者工具的应用开发平台,开发者可以使用 HTML、CSS、JavaScript 来开发小程序,实现丰富的样式和布局效果。外部样式是将样式代码写在一个单独的.wxss文件中,然后在对应的小程序页面中引用该样式文件。在微信小程序中,除了基本的布局方式外,还提供了一些布局组件来实现更复杂的布局效果。在微信小程序中,还可以使用各种样式效果来美化页面,例如圆角、阴影、渐变等。

qq_67153941的博客 387

微信小程序文字特效实战:用CSS实现渐变+阴影的3种进阶玩法

本文深入探讨了在微信小程序中利用CSS实现高级文字特效的三种进阶方法。通过组合使用linear-gradient、background-clip: text和filter: drop-shadow(),详细讲解了如何打造多色渐变与定向阴影、背景剪辑描边以及动态交互渐变效果,并提供了解决安卓与iOS平台渲染差异的实战策略,帮助开发者实现跨端一致的精致UI。

weixin_28520495的博客 156

vmware虚机Debian10磁盘空间无损扩容

该方法不适和LVM的磁盘管理 备份 一定要先做备份,虚机中直接创建一个快照备份 vm上增加空间 初始给的40G空间不够需要扩容,vm那给系统添加到100G 重新分区 查看当前分区情况 sudo fdisk -l

lms99251的博客 7455

win10删除vmware12后,重新安装失败(遗留注册表问题)解决总结

之前安装过一次VMware虚拟机,后来由于某些已遗忘原因把它卸载了,但是没有卸载完全,为以后安装留下了一些麻烦,现在根据我google很多内容总结后写下了自己的解决办法。 一些我搜的的可以用的VM12的注册码 5A02H-AU243-TZJ49-GTC7K-3C61N ZZ510-DYX47-48ERP-D6XZG-YCKU2 YV5MU-2FX5H-M841P-LZX5X-PYHX8

Jeason的博客 2万+

小程序同时绘制阴影与渐变色

//获取应用实例 const app = getApp() Page({ onLoad: async function () { //小程序渐变色和阴影不能够同时设置,只能初始化一方再设置另一方 const ctx = wx.createCanvasContext('canvas') ctx.beginPath() ctx.setFillS...

sun 720

10.28华为OD机试真题 新系统 - 社交网络消息转发 (Java/Py/C/C++/Js/Go)

10.28华为OD机试真题 新系统 - 社交网络消息转发 (Java/Py/C/C++/Js/Go)

算法大师! 431

uniapp微信小程序 canvas绘制圆形半透明阴影 createCircularGradient函数不支持透明度部分解决方案

微信小程序的渐变对 rgba 支持不佳,怎么办呢?阴影好办,高光难绷!

拒绝八股文从我做起 1825

【100%通过率】2024华为OD机试真题E卷 C++ 实现【栈数据合并/空栈压数】

向一个空栈压入正整数,每当压入一个整数时,执行以下规则(设: 栈顶至栈底整数依次编号为n1、n2...nx, n1为最新压入的整数)

MISAYAONE的博客 1553

公文流转系统

公文录入区 | QLineEdit(文号/标题)、QComboBox(公文类型/紧急程度)、QTextEdit(正文)、QListWidget(附件列表)、QPushButton(上传附件/保存草稿/提交审批) |// 按时间范围获取。QStringList userNames = {"张三", "李四", "王五", "赵六", "钱七", "孙八", "周九", "吴十", "郑十一", "王十二"};

寒寒豆豆软件公司的博客 551

微信小程序美化方法大集合

微信小程序界面的美化方法集合

weixin_45512098的博客 7124

YOLOv8改进 | 主干篇 | 轻量级的低照度图像增强网络IAT改进YOLOv8暗光检测(全网独家首发)

本文给大家带来的改进机制是轻量级的变换器模型:Illumination Adaptive Transformer (IAT),用于图像增强和曝光校正。其基本原理是通过分解图像信号处理器(ISP)管道到局部和全局图像组件,从而恢复在低光或过/欠曝光条件下的正常光照sRGB图像。具体来说,IAT使用注意力查询来表示和调整ISP相关参数,例如颜色校正、伽马校正。模型具有约90k参数和约0.004s的处理速度,能够在低光增强和曝光校正的基准数据集上持续实现优于最新技术(State-of-The-Art, SOTA)

Snu77的博客 7961

微信小程序canvas绘制带有阴影的矩形

【代码】微信小程序canvas绘制带有阴影的矩形。

weixin_47756693的博客 914

PDD psnl_verification anti_content 生成顺序与环境校验说明

K不是明文 URL,而是从当前href再派生出来的一小段摘要值。页面 URL 变,K会跟着变但K不是直接肉眼可读的 URL 字串可以把它理解成“URL 的短摘要字段”。这一步是最容易被误解的地方。它吃进去的是压缩后的中间串不是直接吃环境字段它内部还带有长度预算 / 字符映射 / 位置处理逻辑所以最终看到的环境字段 bytes协议头deflate 压缩自定义编码多层叠加后的结果。先把字段总包做再把压缩结果转成raw再拼fTail最后走做字符级输出因此,当前看到的协议字段流。

码王吴彦祖的博客 69

OceanBase数据库:与MySQL和Oracle的函数差异分析

OceanBase数据库兼容性解析:MySQL与Oracle模式深度比较 摘要:OceanBase通过独特的双模式架构,实现了对MySQL和Oracle的高度兼容。文章首先分析了OceanBase的兼容性架构,包括SQL解析层、优化器层和执行引擎层的差异化设计。随后对比了两种模式在数据类型、SQL语法、函数支持等方面的兼容性差异,其中MySQL模式兼容5.7版本大部分功能,Oracle模式则支持155个内置函数和PL/SQL特性。最后提出了模式选择的六大考量因素,包括现有系统基础、功能需求和迁移成本等,为数

本博客聚焦 YOLOv11 全流程落地,涵盖架构优化、数据集处理、训练技巧与多场景部署,兼及国产数据库、Java 开发与 AI 模型应用,内容兼顾理论与工程实践,为开发者提供系统干货,助力高效提升技术能力。 1228

text-shadow和文字颜色渐变冲突问题

前端有时候会接到文字颜色渐变,同时有文字阴影的需求,如下图 一般会想到如下实现方法 // 实现文字颜色渐变 background-image: linear-gradient(360deg, #f6130c 0%, #f87052 100%); -webkit-background-clip: text; webkit-text-fill-color: transparent; // 实现文字阴影 text-shadow: 0 4rpx 0 #bc6d05; 理想很丰满,现实很骨感,上面代码的

supming1的专栏 2468

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")

uniapp 微信小程序canvas阴影(shadow)在真机上失效,(开发者工具正常)

1. 失效原因 我用canvas画的矩形的背景色用的渐变色,如下方代码: let linearGradient = ctx.createLinearGradient(18, 170, 339, 666); linearGradient.addColorStop(0, '#FBFCFF'); linearGradient.addColorStop(1, '#F2F5FB'); ctx.fillStyle = linearGradient; 渐变色背景会使阴影被覆盖(正常填充的背景色不会出现这种情况),原因我

honeymoon_的博客 2313

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

CSS中如何实现文字阴影效果TextShadow

默认情况下,文本是没有阴影的,因此这个属性允许我们自定义文本的外观,增强文本的表现力。希望您在这里可以感受到一份轻松愉快的氛围,不仅可以获得有趣的内容和知识,也可以畅所欲言、分享您的想法和见解。属性的基本介绍及其在实际开发中的应用案例,希望本文能帮助大家更好地理解和运用这一特性,创造出更多精彩的网页设计。这里定义了两个阴影层,第一个阴影颜色较淡,第二个阴影颜色更深一些,并且模糊半径更大,营造出更丰富的层次感。在此示例中,没有设置水平和垂直偏移量,使阴影围绕文本均匀分布,形成发光的效果。

一个做过前端开发的产品经理,经历过睿智产品的折磨导致脱发之后,励志要翻身"农奴"把歌唱,一边打入敌人内部一边持续提升自己,为我们广大开发同胞谋福祉,坚决抵制睿智产品折磨我们码农兄弟! 3376

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。

如何快速掌握微信小程序图片生成神器:Painter 完全指南

想要在微信小程序中轻松生成精美图片吗?Painter 小程序图片生成库正是您需要的终极解决方案!通过简单的 JSON 数据配置,就能快速绘制出适合分享到朋友圈的高质量图片,完全告别 Canvas 绘图的复杂与坑爹体验。 ## 🎨 什么是 Painter 项目? Painter 是一款专为微信小程序设计的图片生成库,它通过 JSON 数据格式来定义图片的绘制内容和样式。想象一下,您只需要像调色

gitblog_09372的博客 765
上一篇: 微信小程序顶部导航栏颜色修改
下一篇: 小程序加音效
snow_zhang_123
博客等级 码龄11年 7粉丝 24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