Vscode软件,如何启动vue项目

巧用 VSCode 开启 Vue 开发之旅 Vue以简洁高效受前端开发者喜爱,VS Code功能强大。借助VS Code开发Vue,从环境搭建到项目创建、运行,能极大提升开发效率,开启高效开发之旅。 阅读详情
AI摘要

本文档介绍了如何确保本地安装了Node.js环境和VSCode软件,以及如何使用VSCode来运行和启动Vue项目。通过打开项目文件夹,根据配置文件选择启动命令,如`npm run dev`或`npm run serve`,项目成功启动后会在终端显示相关信息。

背景

确保本地安装了node环境,vscode软件

安装node.js 环境,这样前段的vue项目就可以在cmd里面启动了

vsCode 软件安装

运行项目

vscode软件,打开对应的vue项目的文件夹
在这里插入图片描述
在这里插入图片描述
导入成功的目录是
在这里插入图片描述
启动项目

在这里插入图片描述
在这里插入图片描述
输入的命令看这个配置

在这里插入图片描述
有的项目是serve

也就是启动的代码是

npm  run  dev
或者 
npm  run  serve

看配置文件是哪个

当输入完命令,回车
,出现

在这里插入图片描述
就是项目启动了

rk3576之imx415 4k@60fps 1;0;1;0;1;0;1;0;1;0;1;0;1;0; 阅读详情

相关推荐

基于WEB的报价管理系统的设计与实现

该系统采用B/S模式,后台运用SpringMVC和MyBatis搭建,利用MySQL数据库,来组织存储和管理数据,使用tomcat服务器向外提供服务。使用该系统对外有利于提高企业的综合竞争力,对内有利于提高成本管理和控制的水平,简化了报价流程、提高了工作效率、精简了报价机构,降低了成本。研究和掌握必要的信息采集和数据查询技术,是各个企业,事业单位信息化的一个重要标志。当前大多数企业采取的报价方式仍然是用EXCEL表格和人工的方式,这不仅不利于大量数据的总结,更不利于对销售利润的控制。

m0_60918862的博客 1000

使用vscode运行Vue项目

检查安装情况:打开cmd,依次输入node -v 和 npm -v,查看到版本号,则安装成功。代表开始运行项目,这条命令会自动在浏览器上运行项目,运行结果如下图所示,代表配置成功了。点击(ctrl+点击)网址http://localhost:80/,可得运行结果。使用vscode运行别人工程里的vue项目。用vscode打开vue项目。呼出控制台,在控制台点击。...

someday____的博客 2万+

【Bug—eNSP】华为eNsp路由器设备启动一直是0解决方案!

软件,添加AR设备时启动异常,最开始错误代码是40,最后通过重新安装,又出现了新的问题,启动AR设备一直是0,而且界面卡住。打开控制面板→网络和Internet→网络和共享中心→更改适配器设置,然后再按以下步骤一次操作。重新打开eNsp,然后选择注册设备,注册成功后重新启动一下,这个时候AR设备就可以正常启动啦。打开eNsp→菜单→工具→选项→服务器设置,写入刚刚写的IP地址就可以了。打开VirtualBox,将左侧的文件全部删除(点击删除所有文件)

享你所想 3420

vscode运行vue项目

朋友搭建了个前端开发框架,如何打开呢? 准备工作 1. 安装node.js和git 2. 检查安装情况,依次输入 node -v 和 npm -v 查看到版本号,则安装成功。 运行 1. 打开用vscode打开vue项目 2. Ctrl+shift+Y呼出控制台,在控制台终端输入npm install 或者 npm i 添加包依赖。 3. 同样在终端 执行npm run dev代表开始运行项目,这条命令会自动在浏览器上运行项目,运行结果如下图所示,代表配置成功了。

weixin_42479421的博客 4万+

【学习系列】SAP RAP 1:关于RAP的一些基本介绍

摘要:SAP RAP和CAP是两种不同的开发模型。RAP(RESTful ABAP)用于在S/4HANA等ABAP平台上构建现代业务应用,基于CDS+OData,适合ABAP开发者扩展核心业务。CAP(云应用编程模型)是BTP上的云原生框架,支持Node.js/Java,适合构建跨系统集成应用。RAP优势在于与S/4HANA深度集成,CAP则更灵活,支持多云环境。选择依据主要取决于开发平台(S/4HANA或BTP)、技术栈(ABAP或Node.js/Java)及应用场景(核心扩展或云原生开发)。

DeveloperMrMeng的博客 1173

(王道408考研操作系统)第三章内存管理-第一节1:内存基础知识、程序编译运行原理

注意:本节内容和《计算机组成原理》“存储器”那一部分内容相关性很强,组成原理是从硬件角度,操作系统是从软件角度。因此如果没有学习过这部分的同学,强烈建议先看这一部分 王道计算机组成原理笔记 本文主要会涉及以下必要的内存知识 文章目录一:内存及其作用 一:内存及其作用 内存:内存又称之为主存。是一种硬件设备,作为CPU和硬盘的缓冲区,用于解决其速度不匹配的问题,提高整机性能。程序执行前需要放入内存才能运行 ...

快乐江湖的博客 2800

VS code运行vue项目

请注意,以上步骤假设您的Vue项目已经配置好了相应的构建脚本(如package.json中的"scripts"字段)。命令时出现"无法将'npm'项识别为cmdlet、函数、脚本文件或可运行程序的名称"的错误消息,这可能是因为您的计算机上没有正确安装Node.js和npm,或者系统环境变量配置不正确。2.在VS Code的侧边栏中,选择您的Vue项目文件夹,或者使用菜单中的“文件”->“打开文件夹”选项来打开项目文件夹。3.打开终端(菜单中的“视图”->“终端”),确保终端位于您的Vue项目文件夹下。

各类程序设计成品、文档、学习资料 3万+

SKUA-GOCAD入门教程-第八节 线的创建与编辑7和8

本文介绍了曲线编辑操作的主要功能,包括曲线部分和区域的管理操作。在曲线部分操作方面,详细说明了如何合并、删除、移动和过滤曲线部分,支持精确或带公差的合并方式。在曲线区域操作方面,阐述了保留/删除区域点、移动区域点、保留/删除区域线段等操作。此外还介绍了节点连接功能,包括新增/删除连接、端点连接以及为曲线赋予地质特征的方法。

江洋大葱的博客 390

VSCode导入Vue项目入门部署与启动

PS:没有node.js的需要下载,官网提供的版本过高,下载安装后容易出现一些问题导致不能运行,建议下载与项目适配的版本,node.js历史版本可参考以下博客。后者需要将npm下载镜像,使用淘宝镜像- 命令就改为了cnpm,会加快项目的启动速度。@后的数字可以更改为想要的版本 若不加上@6 就默认下载最新版本的镜像cnpm。设置全局模块的安装路径到 “node_global” 文件夹,配置npm的全局模块的存放路径 以及 cache缓存的路径。与idea导入项目一致,选择前端项目的文件夹进行导入。

m0_54230514的博客 1万+

从服务器到桌面超算:当3999美元的NVIDIA DGX Spark装上Ubuntu,普通开发者能玩出什么花?

DGX Spark的出现,标志着AI算力正在经历从"数据中心集中供给"到"个人桌面按需拥有"的范式转移。它让开发者可以在本地完成从数据预处理、模型微调到推理验证的全流程,只有在需要大规模训练时才调用云端资源。迭代速度:从按小时计费的云端调试,变成随时随地的本地实验数据主权:敏感信息永不离开本地成本可控:一次投入,长期使用,不受API调用次数限制AI算力民主化的时代,真的来了。你的下一台超级计算机,不必在云端。它就在你的桌面上,安静地等待着你的下一个创意。附录:实用资源。

QQ_778132974的博客 626

uniapp - 最新微信小程序手机号一键登录功能效果,uniapp小程序实现手机号码一键登录,uniapp微信小程序端通过手机号授权完成立即登录操作(详细示例源码,新手小白一键复制开箱即用)

uniapp,微信小程序,uniapp小程序平台,uniApp手机号一键登录,uniapp小程序端手机号一键登录功能,实现微信小程序手机号一键登录,在uniapp中实现获取手机一键登录功能,uniapp手机号快捷登录,uniapp微信小程序授权登录并获取手机号,微信小程序手机号快速验证组件调用方式,uniapp小程序怎么用手机号一键登录,uniapp一键登录流程及代码,如何获取手机号一键登录到小程序,微信小程序获取本机手机号一键登录功能,新手详细教程,详细手机一键登录完整示例代码,uni-app微信unia

✅ 精选推荐文章 1万+

【VSCode配置】运行springboot项目和vue项目

项目的.vscode下# 关闭自动检测# 拥有多个子项目的java项目时,手动指定],# 自定义当前项目的jdk# 指定Maven对应的jdk,否则会用系统默认的JAVA_HOME],

lorogy的博客 2561

【WRF数据准备】海温(SST)数据替换

【WRF数据准备】海温(SST)数据替换

WW、forever的博客 1120

使用VSCode安装nodejs并创建Vue项目

node.js官网:(https://nodejs.org/en)

Morlvoid的博客 2973

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")

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

创建一个Vue项目

创建一个Vue项目 一、前提条件 在创建一个Vue项目之前,我们首先得安装VScode和node.js。这里VScode和node.js的安装很简单,也就不再赘述啦。 node.js官网:node.js VScode下载:VScode软件下载(注:第一次使用VScode的小伙伴要注意,VScode需要安装一些插件才会使你的代码看起来更加的漂亮哦) 二、全局安装vue-cli 全局安装vue-cli可以帮助我们更加快速构建Vue项目。 打开VScode的终端(如下图),大家也可在电脑终端安装哦。将路径切换到项

啵啵的女孩 274

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

【软件使用】【VSCode】【Debugger for Chrome的使用】

【软件使用】【VSCode】【Debugger for Chrome的使用】

时光与简的博客 684

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

vscode启动vue项目

学习完vue环境搭建并创建项目后下面我们介绍使用vscode运行vue项目。 一:下载vscode地址为:https://code.visualstudio.com/ 然后根据自己的电脑下载对应的版本。  二:语言的修改 当我们下载安装完成后我们会发现显示的全都是英文,一头蒙啊,果断的改变语言。ctrl+shift+p输入Language然后会有提示,修改成zh-cn。 但是我们...

gods_boy的博客 5万+

在 VSCode 中运行 Vue.js 项目

本文详细介绍了如何在 VSCode 中运行 Vue.js 项目。首先,需要安装 Node.js 和 Vue CLI,并确保 VSCode 已安装。接着,通过 Vue CLI 创建新项目,并安装项目依赖。在 VSCode 中打开项目后,安装推荐的插件以提升开发体验。最后,通过 npm run serve 启动开发服务器,并在浏览器中访问项目。文章还提到项目调试和自动刷新的功能,帮助开发者更高效地进行前端开发。通过本文的步骤,读者可以轻松在 VSCode 中运行和调试 Vue.js 项目。

Nicky's blog 8181

VSCode配置启动Vue项目

安装node.js 直接官网首页下载安装,根据默认选项,一路下一步即可 运行 node -v 和 npm -v ,如果都正常,表示node.js安装成 安装cnpm (摘自此处) npm install -g cnpm --registry=https://registry.npm.taobao.org (部分Mac或者Linux系统提示文件夹没权限,在命令前加sudo) 安装完成后...

qq_29668113的博客 4552

使用VSCode下载并启动VUE项目,提交修改到git

1.现在VSCode并安装,并打开 2.从git上拉取项目并导入到VSCode中 (1)Ctrl+Shift+`或者Ctrl+Alt+T打开终端 (2)cd到项目需要保存的文件夹下:如cd D:\software\VSCode file (3)使用get命令拉取项目:get clone https://git.xx.com\xxx.git (4)文件->打开文件夹,选择刚刚下载的项目接口导入到VSCode中。 3.配置并启动vue项目 (1)在终端中执行:npm install安装npm (2)进入到

珍爱飞的博客 2926

VScode中vue的安装及项目的搭建

VScode中vue的安装及项目的搭建一、vue的安装1. 1 安装node.js1.2 配置淘宝cnpm镜像1.3 安装vue-cli脚手架构建工具二、VScode中搭建vue项目2.1 VScode安装插件2.2 使用vue-cli脚手架构建工具构建项目三、启动vue-element-admin工程 一、vue的安装 1. 1 安装node.js 从node.js官网下载并安装node.js...

ShootingStar_1998的博客 2万+

VSCode如何运行Vue项目

前言 以前都是用webstorm编写前端代码,最近开始尝试使用VSCode来写,目前还是有些懵逼的,一步步将使用流程写下来便于之后自己再次配置。 具体流程: 1:首先还是需要我们利用vue-cli脚手架搭建空vue项目,这个我就不赘述了 2:打开VSCode下载vetur插件 点击左侧圈起来的图标打开拓展插件,在顶部搜索框搜索vetur插件进行下载安装即可。 下载安装完后就会在扩展列表那看到,例如我的是0.29.1版本的 之后需要打开setting.json文件进行配置: "emmet.syntaxPr

m0_46627730的博客 1万+

vscode创建vue项目

一、前情提要只适用于已安装node、修改过淘宝镜像等前期准备工作,直接开始进行项目创建。二、创建新项目1、先创建一个文件夹,也可以通过VSCode打开已有文件夹。(此文件夹为新创建项目的上级文件夹)2、选中打开的文件夹,点击右上角打开终端,也可以通过查看打开终端3、切换Command Prompt4、输入npm create vite@latest,再输入项目名称->回车->选中vue,不知道怎么选就一直回车完成接下去的选项(

小白_L的博客 1万+

搭建vue项目 并使用vsCode打开并启动项目

1.项目搭建 这里搭建vue项目我就引用别人的地址了,说的很详情,照着做,有疑问的百度一下就直到了 文章地址:https://www.jianshu.com/p/02b12c600c7b 2.使用vsCode打开并启动项目: 2.1:首先vsCode需要安装的插件 2.2:配置vsCode的setting 1.点击左下角设置按钮 2.在弹出的框中点击右上角花括号,如下图 ...

huhu518420的博客 7659

VSCode启动vue项目遇到的坑

命令行新建vue,启动vue项目都可以成功。但是VSCode中执行cnpm install下载依赖时,报错。

加油吧,少年! 1万+

VScode启动Vue项目

VScode启动Vue项目 { "version": "0.2.0", "configurations": [ { "type": "node", "request": "launch", "name": "Launch Program", // "console": "none", // 只输出到“调试控制台”

有用的话关个注,点个赞,收个藏🫶。 7896
上一篇: vsCode 软件安装
下一篇: Django项目如何生成数据库表
一写代码就开心
博客等级 码龄7年 2万+粉丝 1037原创
评论 4
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

打赏作者

一写代码就开心

你的打赏将是我最大的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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