初学者怎么学习Java

Java初学者该如何学习? 推荐一个资料群java《学习》+交流 523401738java初学者最好是能有一套比较好的,完整的教程来指引。下面是最近整理了一套java学习教程,适合新手入门,也适合有一些基础的提升自己。此套视频分六大阶段,每一阶段都逐渐加深,此套教程已经整理的非常完善,各位学习者基本上按照此套流程,一阶段,一阶段学习来,肯定会入门,逆袭成为大牛。第一阶段:Java基础视频教程 :http://pan.bai... 阅读详情

作为一名Java的学习者,跟大家分享下我的学习经验。

学习Java呢,如果你学过别的面向对象的语言那么通过类比我觉得你一定学起来比较轻松,这里就从什么语言没学过的小白说起。

首先来给大家推荐几本参考书。

当初java入门的时候看了一些书,现在想起来特别喜欢 head first java。读起来的感觉就是不一样。强烈推荐!!

这本书我推荐对面向对象编程和其他计算机语言不熟悉的初学者,通俗易懂,讲的全是基础,不会让你被那些繁多的类,方法啥的弄的失去兴趣,因为里面全是基础大家认真看完即可。。。强力推荐这本。

小编是一个有着5年工作经验的java程序员,对于java,自己有做资料的整合,一个完整学习java的路线,学习资料和工具,相信这里有很多学习java的小伙伴,我创立了一个2000人学习扣群,479121291。无论是初级还是进阶的小伙伴小编我都欢迎!

《疯狂Java》作者:李刚

这本书讲的极其细致,不过信息量太大,对于初学者来说任务太重。。如果你掌握了上面那本书的知识点,那我强烈建议你买下这本厚书好好研读,也可以将这本书作为一个类库来查阅,总之知识点应有尽有。

硬件的东西说完了接下来就聊聊方法,首先Java是一门语言,然后语言是用来和计算机沟通实现一定的功能,也就是说,语言是为需求而生滴。

所以你必须先有一个需求,比如你想用Java编写一个小游戏,那么你的初级阶段的学习就该是为了实现这个目标不断奋斗,兴趣使然嘛这样你就不会觉得累枯燥。

学习初期你肯定会有千千万万个问题,心里有无数疑惑,这时候千万不要急躁,不要放弃。。解决方法应该是,有疑惑尽量请教别人,如果你觉得怕麻烦别人,那么请你去翻书,我建议不懂的地方要多看几本书的这个知识点,因为老师不同讲解的思路角度也不同,就像买鞋,一定有一款适合你。

如果你懒到书都不想翻,那么没关系,你就把这点疑惑完全的一字不落背下来。多思考,有那么一天,往后走着走着你就会发现前面豁然开朗。。

最后也是最重要的一个就是代码量。一定要多敲,不要眼高手低。往往敲代码的时候你才可以发现问题。。我始终相信一句话,泪水和汗水这类东西,如果你流多了上天它自然会给予你一些东西来作为交换的礼物。

贵在坚持,曾经看到这样一句话,如果你的耐力和野心不相匹配,那么你最多也就是一个笑话。

编程初学者的Java学习之旅 本文是一本面向编程初学者的Java学习书籍的读后感和总结。作者通过20年的教学经验,分享了如何引导没有任何编程经验的普通学生通过实践学习编程。书中提出,初学者应该从基础开始,逐步掌握Java编程的核心概念,如变量、输入输出、控制流程、循环结构、数组和记录等,并在实践中不断进步。作者强调了面向对象编程(OOP)的重要性,并计划在后续书籍中深入探讨。 阅读详情

相关推荐

ITIL-IT运维管理-概述

ITIL-IT运维管理-概述 概述 IT服务管理(ITSM)是一套帮助企业对IT系统的规划、研发、实施和运营进行有效管理的方法,是一套方法论。ITSM起源于ITIL(IT Infrastructure Library,IT基础架构标准库),ITIL是CCTA(英国国家电脑局)于1980年开发的一套IT服务管理标准库。它把英国在IT管理方面的方法归纳起来,变成规范,为企业的IT部门提供一套从计划、研发、实施到运维的标准方法。 中文名 IT服务管理 外文名 ITService Management 专家

syjhct的博客 4万+

【Java基础知识 1】Java入门级概述,让阿里架构师告诉你为什么要分库分表

1998年12月8日,第二代Java平台的企业版J2EE发布。 1999年4月27日,HotSpot虚拟机发布。 2005年6月,在Java One大会上,Sun公司发布了Java SE 6。此时,Java的各种版本已经更名,已取消其中的数字2,如J2EE更名为JavaEE,J2SE更名为JavaSE,J2ME更名为JavaME。 2009年,甲骨文公司宣布收购Sun。 2014年3月Oracle发布正式版JDK8,JDK8改进比较多,最大的改进是Lambda表达式(以及因之带来的函数式接口,很多原有类都做

m0_64383736的博客 9951

英飞凌TC3xx DSADC旋变软解码实战:从示波器波形到VX1000数据,手把手教你避坑

本文详细介绍了英飞凌TC3xx系列微控制器的DSADC模块在电机旋变软解码中的实战应用。从示波器波形分析到VX1000数据采集,提供了一套完整的调试方法论,帮助工程师快速定位和解决常见问题,提升解码精度和系统性能。

weixin_30598225的博客 517

初学者怎么学习java编程

1。java是分为三个主要方向:CS架构(java SE)。BS架构(java web)。java手机开发(java ME),非Android开发。(1)、java CS架构(客户端/服务器)模式,其代表性的软件:QQ、飞信、优酷视频客户端等。它是通过java图形编程(GUI),使用不同的组件,如面板、按钮、输入框等,使用不同的布局形成一个系统的最终。然而,由于对java图形编程的敌意,为就业发展...

weixin_41780944的博客 1万+

UG NX 12.0零基础实战:从草图绘制到三维建模全流程解析

本文详细解析UG NX 12.0从草图绘制到三维建模的全流程,适合零基础用户快速掌握这款工业设计软件。内容涵盖界面设置、基础操作、草图技巧、拉伸旋转建模、布尔运算等核心功能,并通过机械零件实战案例演示完整设计流程,帮助读者系统学习UG NX 12.0的工业设计应用。

weixin_29261711的博客 1185

AVS3代码阅读HPM4.0

参考AVS3代码阅读(HPM6.0)(一.整体架构以及CU划分部分代码) 版本:HPM4.0 核心文件:app_encoder.c   要做的是帧间预测,所以前面的函数先暂时不管了,挖个坑以后再填。直接从enc_pic看起。 enc_pic()    ...

CRR的博客 3188

学习Java其实应该上升到如何学习程序设计这种境界

我可以结合自己的经验大致给你说一说,希望对你有所帮助,少走些弯路。   学习Java其实应该上升到如何学习程序设计这种境界,其实学习程序设计又是接受一种编程思想。每一种语言的程序设计思想大同小异,只是一些由语言特性的而带来的细微差别,比如Java中的Interface,你几乎在以前的学习中没有碰到过。以下我仔细给你说几点:   1。我们必须明确一个大方向,也就是说现在面向对象的编程范畴。尽管人

u012402926的专栏 868

015:机载三维激光扫描技术相关知识

机载三维激光扫描系统(LiDAR)是集激光、GPS、INS等尖端技术于一体的三维航空遥感技术,能高效准确获取地表三维信息。该系统由GPS、INS、激光扫描测距系统、成像装置和工作平台组成,各部件协同工作以获取精确的空间定位、运动状态、地表三维坐标及真实色彩信息。通过制定飞行计划、安置GPS基站、激光扫描测量、惯性测量及获取高清数码影像等步骤,机载LiDAR技术能实时获取大范围高精度三维数据。该技术具有扫描速度快、精度高、全数字特征等优势,广泛应用于测绘、工程、环境监测和城市建设等领域,如城市三维模型重建、灾

qq_31762031的博客 1727

怎么学习java

第一步:零基础学习java的第一步,首先先学习,计算机基本原理,Java语言发展简史,这些是最基本的常识,初学者一定要了解这些常识。 第二步:要了解java开发的环境搭建,体验java程序员的开发环境,比如变量path和classpath的设置,java程序员的执行过程,java反编译工具。 然后了解,计算机常用进制二、八、十六的介绍,以及它们与十进制之间的相互转化,ASCII码。 第三步:了解Java语法格式,常量和变量,变量的作用域,函数和函数的重载,运算符,程序流程控制,数组和操作数组的类。针对数组的

muli522的博客 1万+

cadence17.4和16.6同时安装无法使用的问题

经过对报错的问题分析,发现还是17.4的lic文件和16.6的不一样,16.6的版本总是无法找到自己对应的lic文件。卸载了,重新单独安装16.6,这里就是正确的。包括使用这些工具去修复这些问题,都无法接近。已经放弃了,使用哪个版本就安装 哪个版本。这个也无法解决问题。

D_Katter的博客 2327

[低代码 + AI] 明道云与 Dify 的三种融合实践方式详解

融合方式技术路径优点局限或注意事项UI 嵌入iframe 表单嵌入快速集成、用户体验一致无法自定义交互逻辑明道云调用 DifyAPI 请求节点工作流自动化、逻辑灵活有 timeout 限制、需优化 promptDify 调用明道云插件或 API 调用节点可查询实际业务数据、增强 AI 智能需理解明道云 API 结构、权限设置复杂明道云与 Dify 的结合为低代码平台注入了智能动力。

技术小甜甜:传播可落地技术,帮助个人和企业降低解决真实场景问题的成本 1187

Java 初学者学习方法

JavaWeb 应用设计及实战 目录 目录 Java 初学者学习方法 (1)理解 Java 思想 (2)弄清基本概念 (3)多练习 (4)学会看帮助文档与源代码 误区 (1)盲目追求速度,不注重代码质量 (2)没有开源精神 Java 初学者学习方法 作为一门高级编程语言,...

JavaDarren的博客 678

【WRF安装】WRF编译错误:problems building executables look for error in the build log

WRF编译错误:problems building executables look for error in the build log

WW、forever的博客 755

Java 初学者,如何学习 Java?

Java 初学者,如何学习 Java? 这里说一说我认为的正确的学习方法吧.我觉得学习最重要的是两点: 1.学习步骤/方法; 2.学习资源。 我的回答也主要围绕这两点。首先应该对自己的水平有个大致评估,对自己的学习习惯有基本了解。 这决定了你以何种方式学习何种资料。举个例子,我当时的水平是熟悉编程语法,我觉得我水平应该去深钻了(高估了自己),所以去看Java 编程领域圣经级的《Java 编程...

tzllxya的博客 266

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")

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

java初学者学习教程——02 java学习路线

java初学者专题教程:02 java学习路线 没有学习基础或者自学之前,一般学员心里都有几个问题 一、自学没有学习路线 二、怕自己学不会 三、不知道怎么学 四、主要自己学时间不会如何运用,需要一个学习气氛 我自个是学web开发的,所以对web开发熟悉一点,画了个图如下 (1)、我们在学习任何东西,都需要一个准备工作,我们如何学,怎么学,如何学到后

我的一个小黑人 2268

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

java技术如何学习_初学者应该如何学习java

原标题:初学者应该如何学习java对于初学者应该如何学习java开发技术,纵观中国目前整体行业来说,互联网IT行业 成为了拔尖的行业,IT互联网程序开发成了靠自己能力可以多挣一点钱,所以各个行业都在转行,其实互联网不存在饱和,只不过大多数人不符合企业标准,水平不够,新手太多。无论是在校的学生也好,还是转行的也好,如今学JAVA开发的人越来越多,造成了如今新手越来越多,想要拿高薪的人也是越来越多。但...

weixin_35962107的博客 280

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

初学者如何高效的学习Java?

作为一名已经从业的开发人员,看到这个问题其实是很无语的,学习JAVA首先对于初学者来说,一定要沉住气,慢慢的来,先打好J2SE的基础,虽然这个过程没啥成就感,学得很枯燥,但这是却是后续JavaWeb,Java框架的必备基础了。 相信有很多的初学小伙伴都在网上找过很多的学习资料了,信息量很大,但也很杂,能学的东西有不少,能学懂却有限,相信这也是不少自学过java的朋友都会遇到的问题,当然这里也就不多说了,还是先来简单讲解一下java目前的一个行情以及我自己作为初学者学习时所遇到的一些问题,也能给新手朋.

deqing271的博客 144

初学者学习Java的书籍和网站

文章目录前言一、pandas是什么?二、使用步骤1.引入库2.读入数据总结 前言 提示:这里可以添加本文要记录的大概内容: 例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。 提示:以下是本篇文章正文内容,下面案例可供参考 一、pandas是什么? 示例:pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。 二、使用步骤 1.引入库 代码如下(示例): import numpy as np import

weixin_52827807的博客 518

java初学者的学习路线

以上是一个 Java 初学者的学习路径,你可以根据自己的需求和兴趣进行调整。在学习过程中,注重实践、动手编码,并通过解决实际问题来加深对知识的理解。同时,积极参与社区交流,分享经验和学习心得,不断提升自己的编程能力。

m0_73952389的博客 848

Java初学者学习路线

Java初学者学习路线

程序猿张同学的博客 221

B站有哪些值得Java初学者看的视频,Java学习路线

B站有哪些值得看的Java视频,如何用B站来自学Java,Java学习路线

Java旅途 7272

java学习作为一名java初学者,如何快速学习java

java学习作为一名java初学者,如何快速学习java

qq_44231628的博客 437

给自学Java的初学者的学习建议,还不知道怎么学习Java的小伙伴们快看过来!

前言:在职业发展道路上,需要不断提升自己,需要学习资源的,一起学习交流的欢迎加群【443128517】,小编准备了学习视频,学习线路,自学书籍,职业发展视频。也可以加美女老师七七的微信。二维码放在下面!记得备注777哦~ 给自学Java的初学者的学习建议: 1.了解如今的市场,都需要掌握哪些主要技术就可以快速就业,目前的企业都需要什么人才,这是你学习的方向和目标。 2.系统的学习规划:有一个整体学习大纲,要知道自己每天学习什么,做什么练习进行知识巩固,一个阶段学完后应该完成什么项目实战,进行.

m0_60720302的博客 191

Java初学者最佳的学习方法以及会遇到的坑(内含学习资料)!

最近系统整理了一套java初学者最佳的学习方法以及会遇到的坑等,希望对你有所帮助。目录:一、学习java的前提二、学习java的方法三、学习java时的坑四、学习java的路线(画重点)一、学习java的前提赚钱的动力相信目前很多人学习java是因为功利性,即听说了这个行业的高薪,不要否认。那么恭喜你,你有了学习java的第一个前提条件,利益激发主动。正常的智商其实,学习ja...

weixin_33836223的博客 108
上一篇: java学习:你知道吗?Java常见的几大代码
下一篇: 学习Java的三个主要就业方向
java03_15
博客等级 码龄9年 263粉丝 10原创
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