--奇数乘积

hdu 2006 求奇数的乘积 求奇数的乘积<br />Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 65536/32768 K (Java/Others)<br />Total Submission(s): 13176    Accepted Submission(s): 8634<br /><br /><br />Problem Description给你n个整数,求他们中所有奇数的乘积。 <br /><br />Input输入数据包含多个测试实例,每个测试实例占一行, 阅读详情

在这里插入图片描述

//奇数的积
#include<iostream>
#include<cmath>
#include<cstdio>
using namespace std;
int main()
{
	int n,a[1000],s;
	while(scanf("%d",&n) !=EOF)
	{
		s=1;
		for (int i=0;i<n;i++){
			scanf("%d",&a[i]);
		}
		for(int j=0;j<n;j++){
			if(a[j]%2==1){
				s*=a[j];
			}
			else continue;
		}
		printf("%d\n",s);
	}
	return 0;
} 

调试报告:
1.又忘记了 for 循环内部要用分号隔开
2.原来 else continue 后面也要加上分号
讲析:
虽然我还没有系统学C++,但是根据我的PYTHON经验来看这里应该用到了列表,定义函数时定义为整型应为元素的类型,并且要声明列表的大小(a[1000]),有的同学可能像我一样看到这个题懵了,别怕,慢慢来,这不我就成功了嘛,创建了一个列表后我们利用 for 循环依次填入相应数目的整型元素,再依次判断进行条件运算,注意下标是从0到n-1
细节错误:

//奇数的积
#include<iostream>
#include<cmath>
#include<cstdio>
using namespace std;
int main()
{
	int n,a[1000],s=1;
	while(scanf("%d",&n) !=EOF)
	{
		for (int i=0;i<n;i++){
			scanf("%d",&a[i]);
		}
		for(int j=0;j<n;j++){
			if(a[j]%2==1){
				s*=a[j];
			}
			else continue;
		}
		printf("%d\n",s);
	}
	return 0;
} 

看看输出会让我们想到什么:
在这里插入图片描述

有思路了吧?哈哈哈我们错误地将 s=1 放在了输入 n 的前面,造成每次输入 n 时它的值还是上次计算的结果,所以注意一定要每次更新 n 的值啊!
补充:
判断等于:==(区分赋值号 = )
判断不等于:!=

第 4 课 树莓派5的换源与中文输入法 树莓派换源、中文输入法的安装 阅读详情

相关推荐

LVGL 9.4 性能调优实战:如何通过脏区合并与tile分块,让你的嵌入式UI流畅度翻倍

本文深入探讨LVGL 9.4中的性能优化技术,重点介绍脏区合并与tile分块如何显著提升嵌入式UI流畅度。通过实战案例和源码分析,详细解析局部刷新策略、显示框架调优及性能瓶颈诊断方法,帮助开发者在STM32、ESP32等资源受限设备上实现丝滑的UI体验。

weixin_28678831的博客 450

OJ1046: 奇数的乘积(C语言)

题目描述 给你n个整数,求他们中所有奇数的乘积。 输入 第一个数为n,表示本组数据一共有n个,接着是n个整数,你可以假设每组数据必定至少存在一个奇数。 输出 输出n个数中的所有奇数的乘积,占一行。 样例输入 Copy 5 2 5 4 6 7 样例输出 Copy 35 #include<stdio.h> int main() { int n,i,c=1,x; scanf("%d",&n); for(i=1;i<=n;i++) { scanf("%d",&x);

weixin_51770717的博客 6038

基于FreeRTOS与MQTT的物联网技术应用系列——步进电机控制(三)SD卡驱动、FatFS等的移植和ini配置文件读取的实现

本文实现了基于STM32F107VC的金牛开发板的基于SPI模式的SD卡驱动和FatFS的移植,以及利用minini库对ini配置信息文件进行读取。

sqshining的专栏 2137

C-07 求奇数乘积

一、思路: 1、输入数字,判断是否为奇数,如果是奇数就乘,最后输出乘积 2、输入数字,保存到数组中,遍历数组,如果是奇数就相乘,最后输出乘积 二、总结: 不知道为什么…这道题当时三个人写的都是要用数组,能不用数组就不要用数组,非要保存下来再处理数字吗?直接处理就好了啊!输入一个数字,就判断、处理一个数字,最后输出处理结果。 这道题只要最后的处理结果,不要过程的,所以不需要保存数字,直接下一个就好了...

weixin_43870127的博客 1065

单像素成像技术原理与Matlab仿真实现

傅里叶变换是数字图像处理的核心数学工具,它将图像从空间域转换到频率域表示。基于傅里叶频谱分析的成像技术通过采集关键频率分量实现图像重建,这种原理催生了单像素成像这一创新技术。单像素成像利用空间光调制器和单个探测器直接测量傅里叶系数,结合压缩感知算法实现高效成像,在红外、太赫兹等特殊波段展现出独特优势。通过Matlab仿真可以验证傅里叶基测量矩阵的构建、压缩感知重建等关键技术环节,为实际系统开发提供理论基础。该技术在弱光环境成像、显微观测等领域具有重要应用价值,其低成本特性也大大降低了特殊波段成像的门槛。

weixin_29061425的博客 344

深入AOSP构建系统:从BUILD_FINGERPRINT的生成逻辑,看如何定制你的Android设备标识

本文深入解析AOSP构建系统中的设备指纹生成机制,详细介绍了BUILD_FINGERPRINT的生成逻辑及其在Android设备中的关键作用。通过分析多个指纹属性的区别与联系,以及如何定制设备标识,帮助开发者更好地理解和掌握Android系统构建过程。

weixin_27017211的博客 217

C语言学习之1到10的奇数相乘1到10的偶数相乘

C语言学习之1到10的奇数相乘1到10的偶数相乘 1到10的奇数相乘 #include <stdio.h> int main(){ int a,b=1;//定义 for(a=1;a<=10;a=a+2){//for循环,当a>10时跳出循环 b*=a;//每循环一次b乘a } printf("奇数相乘为:%d",b);//输出...

✧芝士就是力量*。٩(ˊᗜˋ*)و✧*。的博客 7904

达梦的自定义类型和存储过程支持创建同义词,不支持同义词使用?

达梦8的自定义类型和存储过程支持创建同义词,但是通过同义词调用报错,而在oracle上验证没有问题,难道是发现了达梦的bug了?非也非也,详情请见下文

wy071218的专栏 979

c语言10以内奇数的乘积,求奇数的乘积

#includeintmain(){intn,s,i;inta[n];while(scanf("%d",&n)){for(s=1,i=0;i{scanf("%d",a);if(a[i]%2!=0)s=s*a[i];}printf("%d\n",s);}}输入数据包含多个测试实例,每个测试实例占一行,每行的第一个数为n,表示本组数据一共有n个,接着是n个整数。输出每组数...

weixin_30910583的博客 2443

Classic AUTOSAR精讲专栏目录

欢迎大家来到钢琴上的汽车软件创建的《Classic AUTOSAR精讲系列专栏》,期待在这里能够与大家一起进步,分享成功,分享喜悦!下面蓝色的文章标题都是传送门,点击直接跳转到对应文章。

酒无忧的博客 3905

西南科技大学模拟电子技术实验二(二极管特性测试及其应用电路)预习报告

3、用二极管正向虚拟IV仪测出数据,并记录数据于虚表3和虚表4。1、按照指导书multisim仿真软件上画出三种模型电路图,1、按照指导书multisim仿真软件上画出三种模型电路图,1、按照指导书multisim仿真软件上画出三种模型电路图,表6 二极管三种模型参数测试表(电源电压=1.2V)2、用万用表测出数据,并记录数据于虚表1和虚表2。2、用万用表测出数据,并记录数据于虚表5和虚表6。表5 二极管三种模型参数测试表(电源电压=12V)二极管三种模型参数测试表(电源电压=12V)

Welcome To My6n Blog 4080

求奇数的乘积,给你n个整数,求他们中所有奇数的乘积

题目描述 给你n个整数,求他们中所有奇数的乘积 输入 输入数据包含多个测试实例,每个测试实例占一行,每行的第一个数为n,表示本组数据一共有n个,接着是n个整数,你可以假设每组数据必定至少存在一个奇数。 输出 输出每组数中的所有奇数的乘积,对于测试实例,输出一行。 样例输入 3 1 2 3 4 2 3 4 5 样例输出 3 15 # include<stdio.h> # include&...

Du798566的博客 2819

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

C++ 奇数的乘积

题目描述 输入n和相应的n个数,输出它们中所有奇数的乘积。 输入描述 输入第一个整数n,后面跟着n个整数(1<n<30) 输出描述 输出这n个数中所有奇数的乘积。提示:乘积会超过int类型范围,请用__int64类型 输入样例 10 1 2 3 4 5 6 7 8 9 10 输出样例 945 #include <iostream> using namespace std; int main(){ int n, number; __int64 multiplicati

꧁༺ʚvv༒catɞ༻꧂的博客 1791

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

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!

C++求奇数的乘积

求奇数的乘积 题目描述: Problem Description 给你n个整数,求他们中所有奇数的乘积。 Input 输入数据包含多个测试实例,每个测试实例占一行,每行的第一个数为n,表示本组数据一共有n个,接着是n个整数,你可以假设每组数据必定至少存在一个奇数。 Output 输出每组数中的所有奇数的乘积,对于测试实例,输出一行。 Sample Input 3 1 2 3 4 2 3 4 5 S...

qq_44757551的博客 1761

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")

求奇数的乘积

求奇数的乘积 给你n个整数,求他们中所有奇数的乘积。 Input 输入数据包含多个测试实例,每个测试实例占一行,每行的第一个数为n,表示本组数据一共有n个,接着是n个整数,你可以假设每组数据必定至少存在一个奇数。 Output 输出每组数中的所有奇数的乘积,对于测试实例,输出一行。 代码如下: #include <stdio.h> int main() { int n,i,x,y=1; int a[100]; for(;scanf("%d",&n)!=EOF;) { for(i=0;i&

zcy_wyw的博客 1175

1046 : 奇数的乘积

题目描述 给你n个整数,求他们中所有奇数的乘积。 输入 第一个数为n,表示本组数据一共有n个,接着是n个整数,你可以假设每组数据必定至少存在一个奇数。 输出 输出n个数中的所有奇数的乘积,占一行。 样例输入 5 2 5 4 6 7 样例输出 35 代码 #include <stdio.h> int main() { int m, n, i, mul = 1; scanf("%d", &m); for(i=0; i<m; i++) { scanf("%d", &

雾满楼春雨添瓦绿的博客 402

37求奇数的乘积

37 求奇数的乘积 作者: xxx时间限制: 1S章节: 循环 问题描述 : 给你n个整数,求他们中所有奇数的乘积。 输入说明 : 输入数据包含两行,第一行为一个数为n,表示第二行将输入n个整数。你可以假设这n个数据中必定至少存在一个奇数。 输出说明 : 输出一个整数。 输入范例 : 5 3 0 4 6 5 输出范例 : 15 #include<stdio.h> #include&lt...

内在的天空 321

1340: 奇数的乘积

1340: 奇数的乘积 1.描述 给你n个整数,求他们中所有奇数的乘积。 输入 第一个数为n,表示本组数据一共有n个,接着是n个整数,你可以假设每组数据必定至少存在一个奇数。 输出 输出n个数中的所有奇数的乘积,占一行。 样例输入 5 2 5 4 6 7 样例输出 35 2.代码 #include <stdio.h> #include<math.h> int main() { int n,i,j,sn=1; scanf("%d",&n); for(i=1;i<=n;i+

Tom197的博客 418

ZZULIOJ-1046,奇数的乘积(Java)

题目描述: 给你n个整数,求他们中所有奇数的乘积。 输入: 第一个数为n,表示本组数据一共有n个,接着是n个整数,你可以假设每组数据必定至少存在一个奇数。 输出: 输出n个数中的所有奇数的乘积,占一行。 样例输入: 5 2 5 4 6 7 样例输出: 35 程序代码: import java.util.*; public class Main ...

贝尔摩德苦艾酒 8254

oj1046: 奇数的乘积

题目描述: 给你n个整数,求他们中所有奇数的乘积。 输入: 第一个数为n,表示本组数据一共有n个,接着是n个整数,你可以假设每组数据必定至少存在一个奇数。 输出: 输出n个数中的所有奇数的乘积,占一行。 样例输入 Copy: 5 2 5 4 6 7 样例输出 Copy: 35 #include<stdio.h> int main(void) { int i,n,x,a; scanf("%d",&n); a=1; for(i=1;i<=n;i++) { scan

weixin_52004410的博客 298

1047: 奇数的乘积

时间限制: 1 Sec内存限制: 30 MB 题目描述 给你n个整数,求他们中所有奇数的乘积。 输入 第一个数为n,表示本组数据一共有n个,接着是n个整数,你可以假设每组数据必定至少存在一个奇数。 输出 输出n个数中的所有奇数的乘积,占一行。 样例输入 Copy 5 2 5 4 6 7 样例输出 Copy 35 #include<stdio.h> int main() { int i,n,a,b; scanf("%d",&n...

weixin_52647616的博客 601

基础37 求奇数的乘积

题目详情 代码提交 运行结果 37 求奇数的乘积 作者: xxx时间限制: 1S章节: 循环 问题描述 : 给你n个整数,求他们中所有奇数的乘积。 输入说明 : 输入数据包含两行,第一行为一个数为n,表示第二行将输入n个整数。你可以假设这n个数据中必定至少存在一个奇数。 输出说明 : 输出一个整数。 输入范例 : 5 3 0 4 6 5 输出范例 : 15 #include<stdio.h...

qq_39338091的博客 606

1046: 奇数的乘积 C语言

1046: 奇数的乘积 时间限制: 1 Sec 内存限制: 30 MB 提交: 27357 解决: 22487 [状态] [讨论版] [提交] [命题人:admin] 题目描述 给你n个整数,求他们中所有奇数的乘积。 输入 第一个数为n,表示本组数据一共有n个,接着是n个整数,你可以假设每组数据必定至少存在一个奇数。 输出 输出n个数中的所有奇数的乘积,占一行。 样例输入 Copy 5 2 5 4 6 7 样例输出 Copy 35 #include <stdio.h> int main(

指尖跳动的字节的博客 3101

HDOJ2006求奇数的乘积,我什么时候才能一次通过啊

HDOJ2006-求奇数的乘积 题目 Problem Description 给你n个整数,求他们中所有奇数的乘积。 Input 输入数据包含多个测试实例,每个测试实例占一行,每行的第一个数为n,表示本组数据一共有n个,接着是n个整数,你可以假设每组数据必定至少存在一个奇数。 Output 输出每组数中的所有奇数的乘积,对于测试实例,输出一行。 Sample Input 3 1 2 3 4 2 3...

WA制造机的博客 347
上一篇: --成绩等级
下一篇: 平方和与立方和
评论 1
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