AE导出图片并插入到word文档中某一固定位置

Sqribble:模板驱动的文档自动化操作系统解析 文档自动化是现代知识工作者提升交付效率的核心能力,其本质是将排版规则、视觉规范与内容结构解耦并封装为可复用系统。基于模板驱动的文档自动化工具,通过预设网格、Typography层级、动态组件等机制,实现内容输入→结构识别→规则映射→专业渲染的闭环,显著降低非设计人员的格式成本。相比传统文字处理器,它以约束换效率、以自动化保一致性,支撑PDF/A-1a存档标准、书签导航、响应式分页等工程化交付能力,广泛适用于SaaS营销报告、客户成功指南、教育手册等需高频产出专业文档的场景。 阅读详情

按矢量图层中各要素范围批量裁剪图片,并将图像粘贴到word中,将已经存在的图像批量粘贴到已存的word文档中。

void ClipPicToWord()

{

      ILayer pLayer=GetCurrentLayer(); 
      IFeatureLayer=pLayer as IFeatureLayer;
      IFeatureClass pFtClass=pFeatureLayer.FeatureClass;
      IFeature pFeature; 
      IQueryFilter pFilter=new QueryFilter(); 
      pFilter.WhereClause=null; 
      IFeatureCursor pCursor=pFtClass.Search(pFilter,false);
      pFeature=pCursor.NextFeature();
      string pWordPath=@"D:\模版文档.doc"; 

      string strFullPath=pWordPath.Substring(0,pWordPath.LastIndexOf(@"\"));

      while(pFeature!=null) 
      {

 IEnvelop pEnvelop=pFeature.Extent; 

 axMapControl1.ActiveView.Extent=pEnvelop; 

 axMapControl1.Refresh(); 

 int index=pFeature.FindField("JCBH");//唯一标识要素的字段,以此命名图像和word文档 

object name=pFeature.get_value(index); 

string strName=name.ToString();

 int lScreenResolution = axMapControl1.ActiveView.ScreenDisplay.DisplayTransformation.Resolution; 

int m_OutPutResolution=300; 

IExport pExport = new ExportJPEG() as IExport;

 pExport.ExportFileName=strFullName+@"\"+name; 

pExport.PixelBounds=pEnvelop; 

tagRECT deviceRECT; 

deviceRECT.left=deviceRECT.rop=0; 

deviceRECT.right= axMapControl1.ActiveView.ExportFrame.right * (m_OutPutResolution / lScreenResolution); 

deviceRECT.bottom = axMapControl1.ActiveView.ExportFrame.bottom * (m_OutPutResolution / lScreenResolution); 

IEnvelope pDriverBounds = new Envelope() as IEnvelope; 

pDriverBounds.PutCoords(deviceRECT.left, deviceRECT.bottom, deviceRECT.right, deviceRECT.top);

 pExporter.PixelBounds = pDriverBounds; 

ITrackCancel pCancel = new CancelTracker(); 

pExporter.TrackCancel = pCancel;

 System.Int32 hDC = pExporter.StartExporting(); 

axMapControl1.ActiveView.Output(hDC, (System.Int16)pExporter.Resolution, ref deviceRECT, pEnvelop, pCancel); 

pExporter.FinishExporting(); 

pExporter.Cleanup(); 

pWordPath=@"D:\模版文档.doc"; wordManager.CreateNewDocument(filePath);

 string picturePath = strFullName + "\\" + strName + ".jpg"; 

wordManager.InsertPicture("picture1", picturePath, this.PicWith, this.PicHeight, 1); //书签位置,图片路径,图片宽度,图片高度 

filePath = strFullName + "\\" + strName + ".doc";

 wordManager.SaveDocument(filePath); //文档路径 

pFeature = pCursor.NextFeature();

} 

    wordManager.killWinWordProcess();//结束word进程 

    axMapControl1.Extent = axMapControl1.FullExtent;

} 

WordManager.cs中部分代码: 

//创建新文档

 public void CreateNewDocument(string filePath)

 {

 killWinWordProcess(); 

 wordApp = new Application(); 

 wordApp.DisplayAlerts = WdAlertLevel.wdAlertsNone; 

 wordApp.Visible = false;

 object missing = System.Reflection.Missing.Value;

 object templateName = filePath; 

 wordDoc = wordApp.Documents.Open(ref templateName, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing, ref missing);

 }

 //保存 

public void SaveDocument(string filePath) 

{ 

object fileName = filePath; object format = WdSaveFormat.wdFormatDocument;//保存格式 

object miss = System.Reflection.Missing.Value; wordDoc.SaveAs(ref fileName, ref format, ref miss, ref miss, ref miss, ref miss, ref miss, ref miss, ref miss, ref miss, ref miss, ref miss, ref miss, ref miss, ref miss, ref miss); 

//关闭wordDoc,wordApp对象 

object SaveChanges = WdSaveOptions.wdSaveChanges;

 object OriginalFormat = WdOriginalFormat.wdOriginalDocumentFormat; 

object RouteDocument = false;

 wordDoc.Close(ref SaveChanges, ref OriginalFormat, ref RouteDocument); 

wordApp.Quit(ref SaveChanges, ref OriginalFormat, ref RouteDocument); 

}

 //插入图片 

public void InsertPicture(string bookmark, string picturePath, float width, float hight,int n) 

{ 

object miss = System.Reflection.Missing.Value; 

object oStart = bookmark; 

Object linkToFile = false;

 //图片是否为外部链接 Object saveWithDocument = true; //图片是否随文档一起保存

 object range = wordDoc.Bookmarks.get_Item(ref oStart).Range;//图片插入位置

 wordDoc.InlineShapes.AddPicture(picturePath, ref linkToFile, ref saveWithDocument, ref range); 

wordDoc.Application.ActiveDocument.InlineShapes[n].Width = width; //设置图片宽度 

wordDoc.Application.ActiveDocument.InlineShapes[n].Height = hight; //设置图片高度 

}

 //结束WORD进程

 public void killWinWordProcess()

 { 

System.Diagnostics.Process[] processes = System.Diagnostics.Process.GetProcessesByName("WINWORD"); 

foreach (System.Diagnostics.Process process in processes) 

{ 

     bool b = process.MainWindowTitle == ""; 

    if (process.MainWindowTitle == "") 

    { 

      process.Kill();

    } 

} 

}

void CopyPicToWord(string path1,string path2)

{ 

path1+="\\";//图像所在文件夹路径 

path2+="\\";//word所在文件夹路径 

DirectoryInfo dir = new DirectoryInfo(path1); 

DirectoryInfo dir1 = new DirectoryInfo(path2); 

string picName = "", name = "", docName = ""; 

int index = 0; string picPath = "", docPath = ""; 

int num = 1; 

foreach (FileInfo d in dir.GetFiles("*.jpg")) 

{ 

     int count = (dir.GetFiles("*.jpg")).Count(); 

     num++; 

     picName = d.Name; 

     index = picName.LastIndexOf("."); 

     if (picName.Substring(index + 1) == "jpg") 

     { 

name = picName.Substring(0, index);

 docName = name + ".doc"; 

FileInfo d2 = new FileInfo(docName); 

if (d2.Exists)

 { 

picPath = path1 + picName; 

docPath = path2 + docName; 

wordManager.CreateNewDocument(docPath); 

wordManager.InsertPicture("picture2", picPath, picWith, picHight, 2); 

wordManager.SaveDocument(docPath); //文档路径 

}

} 
        } 

wordManager.killWinWordProcess();

}

模板驱动型文档自动化:结构化填充与一键交付实战指南 文档自动化是企业内容生产提效的核心路径,其本质在于将重复性排版、校验与格式控制转化为可复用的结构化流程。基于模板驱动的文档生成技术,依托条件渲染引擎与数据绑定机制,实现内容逻辑与呈现样式的解耦,显著降低人工校验成本并提升交付一致性。该技术广泛应用于合规报告、投标书、产品白皮书等标准化文档场景,尤其适合内容运营、SaaS文档工程师及咨询顾问等角色。结合Sqribble平台实践,本文深入解析模板构建中的数据源绑定、条件逻辑设计与CSS变量管控三大关键环节,覆盖字段命名规范、switch降维判断、开源字体嵌入等高 阅读详情

相关推荐

Sqribble:面向专业文档生产的模板化操作系统

文档自动化并非简单排版提速,而是基于语义化结构、行业规则封装与云原生渲染的系统工程。其核心在于将出版规范、合规要求、无障碍标准等专业知识编译为可配置、可验证、可继承的模板规则集,实现从内容输入、智能净化、物理级排版到多格式交付的端到端闭环。这类工具的价值不在于替代创作,而在于通过建设性约束与确定性输出,保障技术白皮书、客户方案、ESG报告等高可靠性文档的批量、稳定、低错误率生产,尤其适配市场、技术文档、教育及合规敏感型场景。

weixin_33713350的博客 399

使用EA画ER图并导出为图片

引言         我们在机房重构的时候、机房合作的时候都画过ER图,还记得当时自己是用什么工具画的吗?想必也和小编一样,开始是用word,然后各种工具的使用吧。最后还是觉得EA比较方便。这次的毕业设计,论文中也需要插入一个总体的ER图,所以,小编在这分享一下使用EA怎么画ER图。 步骤          1、我们需要新建一个文件,如下图,选择类型处选择,选择DesignModel 类型。

邢玉 傻傻的坚持,总有一天会成功! 2万+

模板驱动型文档自动化:结构化内容与动态字段实战指南

模板驱动型文档自动化是一种基于结构化内容和受控变量的确定性文档生成范式,其核心原理是将文档拆解为可复用、可审计、可版本管理的语义区块,并通过动态字段绑定业务数据源。相比AI生成或宏脚本,它在强合规、多版本、高一致性场景中具备不可替代的技术价值,尤其适用于SOP手册、标准合同、结业证书、商品详情页等高频批量产出任务。本文深入解析模板的四层架构(结构层、样式层、数据层、逻辑层),结合字段类型校验、CSS强制继承、条件渲染与循环绑定等关键技术点,提供从零搭建到生产落地的完整实践路径。

liudaoru - 悟 776

Sqribble:模板即程序的文档操作系统解析

文档自动化不是简单套用样式,而是基于结构化语义与规则引擎的确定性排版过程。其核心在于将标题层级、图文关系、页眉页脚等出版逻辑固化为可复用的模板规则系统,实现从杂乱文本到专业PDF的零干预转换。这种‘模板即程序’的设计,使非设计师也能稳定输出符合品牌规范、阅读友好、跨平台一致的数字文档,广泛应用于销售提案、培训手册、知识库建设与客户案例交付等高频场景。

weixin_33694172的博客 393

模板驱动型文档自动化:结构化文档的工程化生产方案

文档自动化是企业知识管理与合规交付的关键基础设施,其核心在于将非结构化文档转化为可编程、可验证、可复用的结构化资产。区别于通用AI生成,模板驱动型文档自动化依托表现层、逻辑层与数据层的三层架构,实现样式统一、规则校验与业务系统实时联动,显著提升合同、报告、白皮书等结构化文档的生成一致性、合规性与时效性。该技术广泛应用于金融、医疗、SaaS及咨询等行业,尤其适配ISO 27001、PDF/A-2b、21 CFR Part 11等强监管场景。Sqribble作为典型代表,通过语义模块化、条件逻辑引擎与多源数据绑

weixin_30372371的博客 301

模板驱动型文档自动化:工程化重构内容生产流水线

文档自动化正从简单‘填空生成’迈向工程化范式,其核心是将文档建模为可编程对象——通过结构层、内容层、样式层与数据层的协同设计,实现高复用、强约束、可验证的批量交付。模板驱动与变量绑定构成技术底座,支撑动态章节生成、条件逻辑渲染与跨源数据联动;样式继承与数据源联动则保障品牌一致性与业务实时性。该能力已广泛应用于合规报告、客户方案、投标书等需高频定制与严格格式管控的场景,成为技术文档工程师、咨询顾问与审计人员提升交付效能的关键基础设施。

weixin_33843409的博客 428

模板驱动型文档自动化:零代码实现所见即所得的批量生成

文档自动化是企业提升内容生产效率的关键技术路径,其核心在于将重复性文档工作从人工排版转向结构化、可复用的智能模板管理。基于模板驱动原理,系统通过声明式结构定义、样式解耦与轻量逻辑嵌入(如条件显示、循环渲染、动态计算),实现内容与格式的精准绑定,保障输出结果的高度确定性与专业一致性。相比代码驱动需开发维护、AI生成易失结构稳定性的局限,模板驱动以零代码、所见即所得、一键批量生成为技术价值,广泛适用于销售报价、法务合同、HR制度、教育讲义等标准化高频场景。本文深入解析Sqribble平台如何将模板升维为‘可执行

weixin_34252090的博客 479

Excel上标三种实现路径:格式/Unicode/公式层深度解析

上标是Excel中承载数学、化学及单位语义的关键排版能力,本质是通过视觉偏移或字符编码明确标识指数、幂次、层级等非数值含义。其技术原理涉及字体渲染机制、Unicode字符集支持与文本拼接逻辑,直接影响数据可读性、跨平台兼容性及专业交付质量。在财务建模、科研制表、工程文档和教育课件等场景中,正确使用上标能规避格式驳回、PDF错位、系统识别异常等风险。本文聚焦Excel上标三大实现路径——纯格式层(视觉覆盖)、Unicode文本层(硬编码稳定)、公式层(动态生成),结合CHAR函数、TEXTJOIN、VBA及P

weixin_30740581的博客 347

模板驱动型文档自动化:变量注入与一键生成技术解析

文档自动化是现代企业内容生产的核心能力,其本质是将重复性写作转化为结构化、可编程的组装过程。基于模板驱动的设计范式,系统通过声明式规则引擎解析文档树状结构,实现章节编号、交叉引用、动态目录等强一致性控制;变量注入机制支持静态替换、数据表批量绑定及API实时拉取,并内置类型校验与格式化能力;结合CSS-like条件样式与跨页逻辑处理,确保输出在PDF/打印/屏幕等多端精准一致。该技术广泛应用于合规白皮书、客户提案、API手册等标准化文档场景,显著提升内容团队交付效率与品牌一致性。

weixin_33843409的博客 712

AEJoy——实现层空间变换(toWorldVec)的表达式实例(二)【详细版】

2D 自动转向 效果图 一旦你理解了如何使用层空间变换,它的作用将非常强大。 它们被设计成允许你在图层、合成或世界坐标之间进行转换。 不幸的是,没有旋转和方向层转换。 什么时候这会成为一个问题? 至少在一些情况下,知道一个图层的旋转或方向相对于世界坐标是非常有用的。 当某层是另一层的子层时,就会发生这种情况。 当你旋转父组件时,子组件在世界空间中的方向会改变,但它的旋转值不会改变。 所以你不能仅仅通过看层本身的属性就知道它在世界空间中的方向/旋转是什么。 另一种情况发生在你打开一个图层的自动向时。 当层沿

ShaderJoy 的兴趣技术杂货铺 1722

edp 千1.docx

edp 千1.docx

模板驱动型文档自动化:结构化内容引擎实战指南

文档自动化已从简单格式替换升级为基于语义结构的智能生成系统。其核心在于将文档解构为可计算的字段单元,通过声明式结构定义、条件逻辑触发与跨系统数据联动,实现内容生成、校验与渲染一体化。相比传统Word排版或静态模板,该技术显著提升标准化交付物(如SOW、尽调报告、课程大纲)的生成效率与合规稳定性。尤其在多人协同、强监管、多版本迭代场景中,模板即契约、驱动即触发的设计范式,使文档生产具备工业级可复现性与知识沉淀能力。本文深入解析Sqribble平台的结构层建模、动态注入机制与API集成实践,揭示如何构建真正可演

weixin_30245867的博客 410

Klipper-源码模块

Klippy上位机程序采用多线程架构,包含四个主要进程:主线程处理G代码命令、串口IO线程(C语言实现)、MCU响应处理线程(Python实现)和独立日志线程。代码结构分为三大模块:chelper(C语言辅助函数)、extras(扩展功能如温度控制)和kinematics(运动学模型实现)。核心功能模块包括串口通信(serialhdl.py)、步进电机控制(stepper.py)、运动学计算等,其中C语言实现的底层模块通过serialqueue.c处理高效IO。扩展模块支持热床、传感器等外设,运动学子模块提

weixin_44258581的博客 992

从Word到LaTeX:一份面向科研新手的全流程迁移指南

本文为科研新手提供从Word迁移到LaTeX的全流程指南,涵盖环境搭建、内容迁移、图表处理及参考文献管理等关键步骤。通过对比Word与LaTeX在学术排版中的优劣,帮助用户高效转换文档格式,满足期刊投稿要求,提升论文专业度与排版效率。

weixin_29698641的博客 184

直流无刷BLDC六步换相“电流环”、“速度环”的关系

4、在电流闭环模式下,电机的电流严格按给定电流运行,负载大小变化时,电流不变,电机速度跟随负载非正常变化,例如速度严重“超速”时,需要“限速”保护,这个任务是“速度环”的,这时“速度环”会根据设定的速度上限,控制触发器,将电机速度迅速将下来,电流降下来,在“限速”保护期间,“电流环”失去对触发器的控制作用;3、在电流闭环模式下,电机的电流严格按给定电流运行,负载大小变化时,电流不变,电机速度跟随负载正常变化,“速度环”对速度大小的控制作用是没有的;6、很多人想当然,“电流环”不工作,电机“电流”哪里来的?

u011878611的博客 5473

联想拯救者r7000p在ubuntu20.04未找到wifi适配器,安装rtl8852ae网卡驱动问题解决方案

新买的拯救者r7000p 2021款,装完ubuntu20.04之后显示未找到wifi适配器, 更换N次源之后还是只有一个显卡驱动,在网上找了很多方法,再自己折腾了一段时间后,总算是解决了这个问题。 1.设置bios 打开主板系统,将security boot设置为disenable,因为设计到修改内核配置,必须得关掉安全启动。 2.查询网卡状态 使用命令查询网卡(hardware of Internet)状态 lshw -C network 因为是双系统,在Windows下控制面板-设备管理器中可以

MCZ777的博客 1万+

基于RK3568打包TPL,SPL,UBoot镜像并运行:实战角度

结合正点原子RK3568开发板理解TPL,SPL,UBoot启动运行流程

weixin_43390831的博客 312

树莓派4B网线直连Windows全流程:从IP查询到SSH登录避坑指南

本文提供了一份详细的树莓派4B通过网线直连Windows电脑的实战指南。核心步骤包括配置Windows网络共享、查询树莓派IP地址以及通过SSH进行安全登录与初始配置。文章深入解析了直连的网络原理,并重点分享了使用CMD命令和工具定位IP、避免常见错误的避坑技巧,帮助用户在没有显示器或路由器的环境下快速完成树莓派初始化。

grape的博客 1081

AI智能体避坑指南:免费边界、任务泛化与操作成本实战评测

AI智能体(AI Agent)作为当前自动化工作流的核心技术,其本质是将大模型能力封装为可调度、可编排、可落地的任务执行单元。理解其底层原理需聚焦三个关键维度:任务能否跨场景泛化(如从写周报迁移到筛简历),免费策略是否覆盖真实使用链路(而非仅单次调用),以及普通人能否在无技术背景、低注意力投入下完成端到端闭环。这类工具的技术价值不在于参数指标,而在于降低人机协同的摩擦成本——包括注册门槛、意外响应延迟、上下文记忆稳定性及多模态输入兼容性。典型应用场景涵盖会议纪要提炼、求职信生成、社交平台文案适配等高频轻量任

weixin_30682415的博客 410

CRC_16---ModBus 计算方法及代码实现

1、 CRC寄存器初始值为 0xFFFF;即16个字节全为1; 2、 CRC-16 / ModBus的多项式0xA001H (1010 0000 0000 0001B) ; ‘H’表示16进制数,‘B’表示二进制数。 计算步骤为: (1).预置 16 位寄存器为十六进制 0xFFFF(即全为 1) ,称此寄存器为 CRC 寄存器; (2).把第一个 8 位数据与 16 位 CRC 寄存器的低位相异或,把结果放于 CRC 寄存器; (3).检测相异或后的CRC寄存器的最低位,若最低位为1,CRC寄存器

1万+

提示工程从初级到高级:如何评估提示词的鲁棒性?架构师分享测试方法

鲁棒性(Robustness)原本是工程领域的概念,指系统在“非理想条件”下保持性能稳定的能力。输入鲁棒性:面对不规范、有噪音、格式变异的用户输入,提示能否引导模型输出正确结果?模型鲁棒性:同一提示在不同大模型(或同一模型的不同版本)下,输出是否一致?场景鲁棒性:在边界场景(极端case、歧义case、多任务混合)下,提示能否保持逻辑一致性?提示词V1:请将以下用户评论分类为「正面」「中性」或「负面」:{comment}。要求:输出唯一类别,不要额外说明。

小程序开发 496

最新安卓版本对照表,API对照表(持续更新,更新到安卓17)

话不多说,直接上表,持续更新(更新到安卓16)。 列出了所有记录的可能会影响应用开发者的功能和行为变更。请使用此列表查找影响您的变更,然后点击相应的链接以阅读文档。下表列出了所有记录的可能会影响应用开发者的功能和行为变更。请使用此列表查找影响您的变更,然后点击相应的链接以阅读文档。Java 和 OpenJDK 是 Oracle 及/或其关联公司的商标或注册商标。

雨季余静的博客 9万+

【教程4>第2章>第19节】 GMSK解调系统的FPGA开发与matlab对比验证

MSK(Minimum Shift Keying,最小频移键控)和GMSK(Gaussian Minimum Shift Keying,高斯最小频移键控)都是数字调制技术,主要用于无线通信系统中将数字信号转换为模拟信号进行传输。它们都是连续相位移键控(Continuous Phase Shift Keying, CPK)的一种形式,意味着相邻码元之间没有相位跳变的突变,而是连续过渡,这有助于减少信号带宽和降低邻道干扰。GMSK的解调过程与MSK类似,我们这里还是采用和MSK解调一样的1bit解调方法。

FPGA/MATLAB学习教程/源码/项目合作开发 1221

医疗器械临床评价报告的NLP自动化实践

临床评价报告(CER)是医疗器械注册申报的核心合规文档,其本质是对海量医学文献进行系统性证据采集、评估与结构化表达。理解CER需从‘临床证据链’概念切入:它要求每项结论必须可追溯至原始研究,符合ISO 14155、MDR Annex XIV等监管框架对证据等级、偏倚控制和术语一致性的刚性要求。自然语言处理(NLP)在此并非替代专业判断,而是通过领域适配的文本解析、实体识别与关系抽取技术,解决文献筛选低效、数据提取易错、溯源审计困难等工程瓶颈。典型应用包括PubMed摘要初筛、PDF表格结构化提取、GRADE

weixin_34167819的博客 330

万字长文告诉新手如何学习Python图像处理(上篇完结 四十四) | 「Python」有奖征文

这篇文章是图像处理的最后一篇文章,后面我们将进入新的章节。图像处理文章主要讲解的图像处理方法包括图像几何运算、图像量化采样、图像点运算、图像形态学处理、图像增强、图像平滑、图像锐化、图像特效、图像分割、傅里叶变换与霍夫变换、图像分类等。个人感觉如果你是编程初学者、Python初学者或图像处理爱好者,这个系列真心适合你学习,并且这篇文章算是Python图像处理的学习路线,希望您喜欢。

杨秀璋的专栏 2万+

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

AI落地实战:从数据可及性到产线可用的七步法

人工智能(AI)的本质是解决具体问题的工程工具,而非抽象概念。其核心能力源于对物理世界规律的建模与拟合,技术价值体现在可量化的业务指标提升——如良品率、响应时效与误差率。实现这一价值的前提是‘数据可及性’:即数据能否稳定、一致、低延迟地进入AI处理流程,涵盖物理接入、语义明确与计算兼容三重维度。脱离真实数据环境的模型再先进也难以释放潜力。本文聚焦工业与基层场景,围绕数据采集、标注、增强、模型选型、评估、部署与迭代七大关键环节,提供零基础可上手、带踩坑预警的实操路径,助力工程师、车间主任、小企业主等一线实践者

hwpokay的专栏 447

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!

上一篇: AE查询 IQueryFilter ISpatialFilter
下一篇: AE加标注
惜墨儿
博客等级 码龄15年 9粉丝 12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