免费数字证书申请(https)

常用的四种免费证书申请方式 免费申请证书的四种常用方式1. Let's Encrypt申请教程2.Cloudflare申请教程3.FreeSSL申请教程4. 阿里云(云厂商提供)免费证书申请教程 1. Let’s Encrypt 官网:https://letsencrypt.org/ Let’s Encrypt是国外一个公共的免费SSL项目,由 Linux 基金会托管,它的来头不小,由Mozilla、思科、Akamai、IdenTrust和EFF等组织发起,目的就是向网站自动签发和管理免费证书,以便加速互联网由HTTP过渡到HTT 阅读详情

申请证书

我申请证书的网站:https://freessl.cn/

1.填写息要申请的域名,创建

2.填写自己的邮箱,CSR生成的方式选择"浏览器生成",然后点击创建。创建后浏览器会自己下载一个文件,里面是你的私钥,这个可以先不用管,后面还会生成。

3.创建之后页面会定位到DNS验证这里,将TXT记录和记录值解析到你自己的域名里,如下操作:

4.解析好记录值后,然后再“点击验证”。这里需要等待域名解析时间,理论上是10分钟内,实际我测试下来阿里云只要1分钟不到吧。

5.验证通过之后下载证书到本地保存。

6.下载文件到本地后,里面包含两个文件(.pem和.key)

然后再重命名下,如:

blog.zhuzengliang.cn.pem
blog.zhuzengliang.cn.key

这两个文件后面要上传到服务器上服用。

nginx配置

1.将上面申请好并已改名的证书上传到服务器上,我的位置是/etc/nginx/cert/

2.在nginx的配置文件夹中创建一个域名的配置文件,可以用域名来命名

cd /etc/nginx/conf.d/
vim blog.zhuzengliang.cn.conf

加入443端口证书配置,然后保存

server {
    listen 80;
    server_name blog.zhuzengliang.cn;
    return 301 https://$host$request_uri;
}


server {
    listen 443 ssl;
    server_name  zhuzengliang.cn;

    ssl_certificate           /etc/nginx/cert/blog.zhuzengliang.cn.pem;
    ssl_certificate_key       /etc/nginx/cert/blog.zhuzengliang.cn.key;

    ssl on;
    ssl_session_cache  builtin:1000  shared:SSL:10m;
    ssl_protocols  TLSv1 TLSv1.1 TLSv1.2;
    ssl_ciphers HIGH:!aNULL:!eNULL:!EXPORT:!CAMELLIA:!DES:!MD5:!PSK:!RC4;
    ssl_prefer_server_ciphers on;

    location / {
       alias  /data/project/hugo-blog/public/;
       index  index.html index.htm;
    }

}

注意:
ssl_certificate和ssl_certificate_key配置证书和key的路么,要和你之前上传的一致。
server_name要配置好你的域名

3.nginx重启一次,等几分钟就可以访问了。若不能访问要检查下你的机器443端口有没有对外开放,https走的是443端口。

从HTTP到HTTPS:原理、证书申请与Nginx配置实战 HTTP明文传输协议在数据安全和身份认证上存在天然缺陷,口令、支付信息等敏感内容易被窃取或篡改。HTTPS通过在HTTP与TCP之间加入SSL/TLS协议层,利用数字证书机制实现传输加密与服务器身份验证。TLS握手过程采用非对称加密协商密钥、对称加密传输数据,在安全性与性能之间取得平衡。实际工程中,从HTTP切换到HTTPS涉及证书申请、Nginx反向代理配置、后端协议适配、混合内容修复等环节,还需关注证书自动续期与兼容性评估。本文以Ubuntu+Nginx+Let's Encrypt为示例,提供完整的升级 阅读详情

相关推荐

Tomcat的Https设置及Http自动跳转Https

1.场景还原 近期项目中要对信息传输过程中进行安全加密,那么第一时间浮现笔者脑海的当然是https,接下来笔者将介绍如何在web服务器Tomcat中配置Https及Http自动跳转Https2.Https相关介绍 Https是由NetScape公司设计的一个基于Http的加密传输协议,可以这样理解Https = Http +SSL(安全套接层),Https的端口为443,而且还需要申...

zhangxing 3万+

免费申请 HTTPS 证书的八大方法

为了保证网站的安全和数据的隐私性,使用 HTTPS 加密协议已成为必需。HTTPS 证书由受信任的证书颁发机构 (CA) 签发,可以加密客户端和服务器之间的通信。幸运的是,有许多方法可以免费申请 HTTPS 证书。本文将介绍八种方法来免费获取 HTTPS 证书,并简要说明如何使用它们。

yang295242361的博客 1万+

TNS-12516及ORA-12516错误解决

在客户端进行sqlplus连接报错如下: ORA-12516: TNS: 监听程序找不到符合协议堆栈要求的可用处理程序 在/home/oracle/product/10.2.0/db_1/network/log/listener.log中查看到错误如下: TNS-12516: TNS:listener could not find available handler with matchin

KEL 2万+

个人数字证书免费申请

个人数字证书免费申请 (最近需要交网络信息安全实验报告,发现自己拖了很久的个人数字证书申请,终究还是要补上的呀。但是现在网上很多说是可以免费申请个人数字证书,但在提供加密服务的时候就一直显示着“正在加载”,需要你联系客服购买,对于学生来说就很坑了,毕竟为了学习一下,就花掉五十块,也是很心痛的。。) 个人数字证书申请网站 数安时代 https://www.trustauth.cn/ 申请步骤 1、注...

tianjing0517的博客 1万+

Qlib数据获取避坑指南:从CSV导入到自定义数据源的完整解决方案

本文详细解析了Qlib数据获取的完整解决方案,从CSV导入到自定义数据源,涵盖了股票数据处理的关键技巧和常见陷阱。特别针对Qlib平台的数据格式要求和复权处理提供了实用指南,帮助量化投资者高效整合Wind等第三方数据源,确保数据质量与模型性能。

weixin_29047919的博客 304

CS算法实战:用MATLAB从零实现SAR点目标成像(附完整代码)

本文详细介绍了如何使用MATLAB从零实现SAR点目标CS成像算法,涵盖Chirp Scaling(CS)算法的核心理论、距离徙动校正(RCMC)和方位压缩等关键步骤。通过完整的代码示例和实战技巧,帮助读者掌握SAR成像处理算法,提升遥感图像处理能力。

weixin_29211309的博客 179

从零开始发送数字签名邮件-outlook&&163邮箱&&windows

1.申请数字证书 大家可以从以下网站申请数字证书: 中国数字认证网 (http://www.ca365.com) 天威诚信安全身份认证服务中心 (http://www.itrus.com.cn) 中国金融认证中心 (http://www.cfca.com.cn) 本文从该网站申请:https://www.gdca.com.cn/ (1)首先点击GDCA免费邮件证书使用你的163邮箱申请;申请完毕...

染小柒的博客 7189

46、大数据助力SDN优化流量管理与控制器

本文探讨了大数据在软件定义网络(SDN)中的应用,重点分析了如何利用大数据技术优化SDN控制器的可扩展性和弹性。通过介绍SDN控制器的核心功能及其面临的挑战,提出了集中式、分布式、混合式和分层式控制器放置策略,并结合大数据分析系统架构与技术,详细阐述了在控制器放置优化、流聚合和备份路径识别等场景中的实际应用。文章还给出了大数据分析在SDN控制器优化中的操作流程与优势,展望了未来结合人工智能与物联网的发展方向,强调了数据安全与算法效率的重要性。

xx56789的博客 86

免费SSL数字证书申请,免费数字证书使用教程

注意这里的邮件验证不是你注册的邮件地址,是通过whios查询可用验证的邮件地址,如果你有你域名的admin,hostmaster,postmaster,webmaster前缀的邮箱,系统会发送验证邮件,你只需点击确认就可以认证。【FILE_HTTP】方式简称:文件验证,把你获取到的验证信息,创建一个TXT文件,在域名指向的服务器按照给出的路径地址设置,能够访问显示出验证值。2. 选择菜单【免费证书】-【证书申请】-选择证书的品牌,不同品牌签发的效率会有不同,如果遇到选择的品牌长时间不签发请进行切换品牌。

qq_41909850的博客 1522

Python爬虫抓取学术期刊数据(Springer、Elsevier)

本文详细介绍了如何使用Python爬虫抓取学术期刊网站(如Springer、Elsevier)上的文章信息,并进行数据清洗和存储。我们使用了requestsSeleniumpandas等技术,通过模拟浏览器行为来绕过反爬虫机制,并将数据保存为Excel文件,方便后续分析。未来,我们可以通过加入更多的期刊网站数据源,扩展爬虫的功能,抓取更多的学术数据。同时,结合自然语言处理(NLP)技术,可以对抓取的文章进行自动化的摘要提取和主题分类,为学术研究提供更多的支持。

2201_76125261的博客 1487

CAN轴控制流【6041,6040】

【代码】CAN轴控制流【6041,6040】

cfqq1989的博客 1783

2021年腾讯云SSL证书免费申请实现https访问教程

腾讯云ssl证书是由受信任的权威数字证书颁发机构CA在验证服务器身份后颁发的一种数字证书(数字证书包括:SSL证书、客户端证书、代码签名证书等)。SSL 本身是一种加密传输协议,因为配置在服务器上也称为服务器SSL证书。 通过ssl证书安装部署 ,可以实现https访问网站,让网站安全可信赖。用户访问通过 https 访问网站时,在网站和用户之间提供一个加密通道,防止第三方通过该通道传输钓鱼网站、盗号木马等信息,进行信息拦截,避免资料泄露。 SSL证书给用户最直观的感受是: 1、地址栏出现绿色安全

vanloong94的博客 5930

将指定文件夹下每张用LabelImg标注的图片中标注部分抠出来保存到指定文件夹下。

将指定文件夹下每张用LabelImg标注的图片中标注部分抠出来保存到指定文件夹下。

weixin_44119674的博客 440

阿里云免费 SSL 证书申请及配置

本文介绍了在阿里云免费 SSL 证书申请与 Nginx 部署的完整流程,涵盖证书下载、配置文件修改、证书替换以及 Nginx 与数据库重启等关键步骤,帮助个人网站用户快速完成证书更新。

qq_35624947的博客 394

【AI 赋能:Python 人工智能应用实战】16. BERT微调实战:中文新闻分类全流程(附模型蒸馏+ONNX部署完整代码)

中文新闻分类是NLP领域的经典实用任务,BERT模型凭借双向上下文建模能力,能有效解决中文歧义与长文本依赖问题,但存在推理速度慢、资源占用高的痛点。本文以THUCNews中文新闻数据集为核心,提供从数据预处理、BERT微调、模型蒸馏到生产部署的全流程实操指南。首先详解THUCNews的多编码读取与清洗(解决gbk/utf-8兼容问题);然后实现BERT微调,加入早停机制与混淆矩阵可视化,验证准确率达93.8%;接着用DistilBERT完成模型蒸馏,在仅损失0.6%准确率的前提下,将推理速度提升2.7倍。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 1098

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

啊,原来申请数字证书这么简单

数字证书在公开密码算法中扮演着重要的角色,可用于数字签名、密钥协商、身份认证等等。如果要部署 HTTPS 网站,首先就要申请数字证书。提到数字证书,人们可能会想到高大上的 CA中心、繁琐的...

云水木石 3341

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,

HTTPS配置入门:Nginx、Node.js配置HTTPS服务器

申请数字证书首先需要申请一个免费的数字证书,前提是有个域名,申请起来还是很方便的。例如可以在腾讯云申请:https://www.qcloud.com/product/ssl,具体申请步骤请参考腾讯云文档,本文不再详细介绍。当然还有收费的数字证书,土豪随意。数字证书申请成功后,下载下来,文件包含一个私钥(.key)和一个数字证书(.crt)。申请证书时需要制定域名,例如我自己的域名是gw2.vsgam

叉叉哥的BLOG 8227

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")

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

springboot配置https(阿里云免费证书)

这里以阿里云申请免费证书为例,也可以使用JDK生成自签发证书。 首先在阿里云要拥有自己的一个域名。 在SSL证书页面可以申请免费证书。填写相应信息即可。 登陆阿里云控制台,选择SSL证书,点击免费证书。 点击下载即可下载相应证书 下载内容包含一个证书和一个密码文件,将其部署在服务器即可。 服务器配置 将生成的证书放在resources目录下。 配置服务端数字证书的路径、密码、类型。 server.ssl.key-store=classpath:**.jks //

weixin_51751522的博客 1771

免费ssl证书申请

摘要:阿里云免费SSL证书申请与部署指南 本文详细介绍了在阿里云平台申请免费SSL证书的完整流程:1)登录阿里云数字证书管理服务,选择个人测试证书完成购买流程;2)申请时需确保域名已完成实名认证且解析正常,免费证书仅支持单域名;3)关键步骤包括添加系统生成的TXT记录进行验证,等待10-15分钟后完成验证;4)验证成功后下载证书文件,根据服务器类型(如虚拟主机)分别部署public、chain和key文件,可通过.htaccess文件进行配置。整个过程技术门槛适中,适合个人开发者操作。

A9925的专栏 91

【转】Https内部机制基础知识

互联网权威机构 - CA 机构,又称为证书授权 (Certificate Authority) 机构,浏览器会内置这些"受信任的根证书颁发机构" (即 CA)。 数字证书 提及 HTTPS ,就会听到大家说需要证书才能部署,那么什么是证书呢? 因为互联网不安全,公匙也是信息的一部分,也是会有被篡改的风险的。所以引入了互联网权威机构 - CA 机构,又称为证书授权 (Certific...

weixin_30576827的博客 109

如何免费的让网站启用HTTPS

点击上方关注 “终端研发部”设为“星标”,和你一起掌握更多数据库知识来源:https://coolshell.cn/(酷壳网)今天,我把CoolShell变成https的安全访问了。我承认...

这个时代,作为程序员可能要学习小程序 563

阿里云的云虚拟主机配置免费ssl证书

阿里云的云虚拟主机部署免费ssl证书

Mark_H___的博客 344

白嫖阿里云免费版HTTPS数字安全证书,超详细教程来了!

白嫖阿里云免费版HTTPS数字安全证书,超详细教程来了!

qq_39754590的博客 1020

阿里云SSL证书部署(HTTPS)

springboot项目部署SSL证书,从而使得用HTTPS访问

xike1024的博客 1581

HTTPS实践

HTTPS是一种基于HTTP的安全通信协议,通过SSL/TLS加密层实现数据加密传输。相比HTTP明文传输,HTTPS解决了数据机密性、完整性和身份验证三大安全问题。主流平台如苹果App Store要求应用必须使用HTTPS,几乎所有门户网站都已采用HTTPS协议。HTTPS通过非对称加密(如RSA算法)建立安全连接,然后使用对称加密传输数据。实际部署时,需向CA机构申请证书(如阿里云提供免费DV证书),配置Nginx监听443端口并指定证书路径。内网环境可使用OpenSSL自建证书,但需注意自签证书不被浏

共产主义接班人 689
上一篇: Mac命令行快速切换jdk版本
下一篇: Jenkins操作大全
码农记事本
博客等级 码龄12年 4264粉丝 53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