Follow

已于 2024-10-14 17:23:42 修改
阅读量162 收藏
点赞数 2
文章标签： 程序人生 后端 follow
于 2024-10-14 16:55:01 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_36535538/article/details/142923132
版权

This message is used to verify that this feed (feedId:68574439826647040) belongs to me (userId:67206382581823488).

万物皆可订阅追更：RSS、RSSBud、RSSHub、Follow、加密解密
freeking101的博客
10-30 4万+
万物皆可订阅追更：RSS、RSSBud、RSSHub、Follow
jquery.scrollfollow.js 浏览器上下滚动（浮动）
huoshi
03-10 3971
jquery.scrollfollow.js 浏览器上下滚动（浮动） 参照 http://kitchen.net-perspective.com/sf-example-1.html [html] view plaincopy span style="font-size:16px;">  script type="text/javas
jQuery跟随浏览器滚动条浮动层效果
yjxfox的专栏
11-16 545
有一个”跟随浏览器滚动条浮动层，点击后返回顶部” 的功能需要实现，当然，首先想到的就是无所不能的强大Jquery。在GG的帮助下，通过Jquery插件可以轻松实现。使用 jQuery Scroll Follow。 必须调用的js有： jQuery Easing PluginjQuery Cookie PluginjQuery Scroll Follow 操作说明： 1. 包含以上三个必
jquery.scrollfollow随浏览器上下浮动，在线客服
最后一个BUG留给我
06-02 979
jquery插件 层随着窗口滚动这个效果以前用过，找jquery的没找到，今天无意中发现了http://kitchen.net-perspective.com/open-source/scroll-follow/介绍说:scroll follow这个插件能使一个dom对象随便着用户点滚动条而滚动(坚直)要求:必须的有：jqueryjquery ui core可选择的有jquery easing
Follow软件的使用入门教程
qq_45675378的博客
11-06 5753
Follow的入门使用教程
follow 认证
LotosBin的专栏
10-12 303
This message is used to verify that this feed (feedId:67810835095607296) belongs to me (userId:49728569304996864). Join me in enjoying the next generation information browser https://follow.is.
FOLLOW集构建
yuebaiv的博客
12-19 426
FOLLOW集的作用： 想象你在阅读一个句子，当你遇到一个可能结束的位置时，你需要决定是否真的结束了。比如在编程语言中，当你看到一个表达式时，你需要知道什么符号可以合法地出现在它后面（比如分号、右括号等）。FOLLOW集就是帮助我们做这个决定的。FOLLOW集的基本概念： 对于一个非终结符A，FOLLOW(A)是指在所有句型中，紧跟在A后面的终结符的集合。FOLLOW集在处理产生式中的空串（ε）时特别重要。FOLLOW集的概念和作用，就像解释FIRST集一样，我们通过实例来理解。
Nofollow 与 Dofollow 链接：有何不同？
ai_chatpro的博客
09-02 991
点击这里在SEO领域，理解nofollow和dofollow链接的区别是关键所在。Nofollow链接不传递页面权威，主要用于广告、用户生成内容等场景，而dofollow链接则提升目标页面的PageRank，影响SEO表现。
如何求First集与Follow集（超详细）
热门推荐
RENSRM的博客
12-23 6万+
如何求First集与Follow集 已知文法如下，求First集与Follow集 G[E]:E→TE′E′→+TE′∣εT→FT′T′→∗FT′∣εF→(E)∣i G[E]: E{\rightarrow} TE' \\ {\quad\quad\quad\quad\quad}E'{\rightarrow}+TE'|\varepsilon \\ {\quad\quad\quad}T{\rightarrow}FT'\\ {\quad\quad\quad\quad\quad}T'{\rightarrow}*
jquery-scroll-follow.rar_Follow_ Follow
09-24
《jQuery Scroll Follow插件详解与应用实践》 在网页设计中，为了提升用户体验，有时我们需要让某些元素在用户滚动页面时依然保持在视窗可见范围内，这种效果被称为“跟随滚动”或“固定定位”。jQuery Scroll ...
html超链接a标签的nofollow属性有什么作用.<a rel=”nofollow”
01-10
当`rel`属性值设置为`nofollow`时，我们就引入了一个特殊的指令，即`nofollow`属性。这个属性在SEO（搜索引擎优化）领域有着显著的影响。 `<a rel="nofollow">`的主要作用是告诉搜索引擎不要追踪或赋予链接目标页面...
编译原理实验 求first集和follow集 代码
01-21
在编译器的设计与实现过程中，求first集和follow集是词法分析和语法分析阶段的关键步骤。这两个集合帮助我们理解和构建文法的解析树，从而正确地翻译源代码。 First集是一个非终结符或起始符号的集合，包含了在该...
WordPress自动给文章添加nofollow属性的实现方法
01-20
在WordPress中，`nofollow`属性是一个非常重要的元素，它用于指示搜索引擎不要追踪或传递权重给特定的链接。在SEO（搜索引擎优化）策略中，正确使用`nofollow`可以帮助控制页面的权重流动，避免不必要的链接影响网站...
ll1 文法分析 first follow select 集的 求解
09-13
**Follow集**：Follow集定义了一个非终结符在文法中可能出现的位置，即在哪些符号之后可以接收到非终结符。如果在文法中找到形如A→αBβ的产生式，那么所有可能跟在β后面的符号（包括结束符号$）都会添加到Follow...
【程序人生】成功人生架构图（分层模型）
做一个厉害的工程师
03-18 3160
🌳 根基层（价值观）│🏋️♂️ 支柱层（健康）│⚙️ 驱动层（学习）│🕸️ 网络层（关系）│🎯 目标层（财富）│🌟 顶层（意义）🔄 外层（调节环）
业务系统对接大模型的基础方案：架构设计与关键步骤
技术的学习与积累是个技术活
06-06 1088
摘要：本文介绍了业务系统对接大语言模型（LLM）的架构设计与关键步骤，帮助企业提升业务效率和创新能力。架构采用前后端分离模式，前端与业务接口交互，后端服务处理逻辑并调用大模型云服务。关键步骤包括功能需求分析、提示词调试、模型测试对比、API对接和业务流程串联，同时强调安全性、性能优化和错误处理等实践要点。通过合理的架构设计和技术实现，企业可高效集成大模型，打造智能化业务系统。（150字）
利用ngx_stream_return_module构建简易 TCP/UDP 响应网关
hello.reader
06-10 464
`ngx_stream_return_module` 提供单条 `return <value>` 指令，让 Nginx 在 Stream 层连接后立即返回自定义文本或变量（如 `$time_iso8601`、`$remote_addr`）并关闭连接。常用于健康检查、心跳探测、协议调试与条件化反馈。配合 `map`、TLS SNI 透传（`ssl_preread`）等功能，可实现动态多样化的轻量级四层应答，无需后端服务，快速高效。
如何判断一个bug，是前端还是后端的？
最新发布
海姐软件测试的博客
06-10 592
**摘要：**作为测试工程师，精准判断Bug归属（前端/后端）的核心方法包括：1）通过抓包工具分析接口请求/响应数据，请求异常属前端，响应错误属后端；2）验证数据库与日志，数据未更新可能为后端问题；3）DOM操作验证UI层问题。典型前端Bug包括布局错乱、事件失效等，后端Bug多表现为5xx错误或逻辑缺陷。建议结合Mock测试、日志追踪和团队协作模板（如Jira+Swagger），基于数据证据而非主观猜测定位问题。掌握这套方法可高效解决90%的Bug归属问题。
follow
03-25
### Implementing Follow Functionality in Software Development In software development, implementing a 'follow' feature typically involves creating relationships between users or entities such as posts, articles, or other content types. This functionality can be broken down into several key components that ensure scalability, maintainability, and usability. #### Database Design The foundation of the 'follow' feature lies in designing an appropriate database schema. Typically, this requires a many-to-many relationship table where one user can follow multiple others, and similarly, each user can have multiple followers. An example SQL structure might look like: ```sql CREATE TABLE follows ( follower_id INT NOT NULL, followed_id INT NOT NULL, created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP, PRIMARY KEY (follower_id, followed_id), FOREIGN KEY (follower_id) REFERENCES users(id), FOREIGN KEY (followed_id) REFERENCES users(id) ); ``` This design ensures flexibility while maintaining referential integrity[^1]. #### Backend Logic Implementation Backend logic should handle operations related to following/unfollowing actions efficiently. When a user decides to follow another entity, the system must validate permissions before inserting data into the `follows` table. Additionally, it may involve notifying the target user about new followers depending on application requirements. For instance, using Python with Flask framework could result in code similar to below snippet demonstrating how RESTful APIs manage these interactions securely through token-based authentication mechanisms: ```python from flask import request, jsonify from models import User, Follow @app.route('/api/follow/<int:user_id>', methods=['POST']) def add_follow(user_id): current_user = authenticate_token(request.headers.get('Authorization')) # Custom function if not current_user: return {"error": "Unauthorized"}, 401 try: existing_relationship = Follow.query.filter_by(follower_id=current_user.id, followed_id=user_id).first() if existing_relationship: raise ValueError("Already Following") new_follow_record = Follow(follower_id=current_user.id, followed_id=user_id) db.session.add(new_follow_record) db.session.commit() return {}, 201 except Exception as e: return {'message': str(e)}, 400 @app.route('/api/follow/<int:user_id>', methods=['DELETE']) def remove_follow(user_id): current_user = authenticate_token(request.headers.get('Authorization')) if not current_user: return {"error": "Unauthorized"}, 401 try: record_to_delete = Follow.query.filter_by(follower_id=current_user.id, followed_id=user_id).one_or_none() if not record_to_delete: raise KeyError("Not Found") db.session.delete(record_to_delete) db.session.commit() return {}, 204 except Exception as e: return {'message': str(e)}, 400 ``` Here we define two endpoints—one for adding (`POST`) and removing (`DELETE`) follow relations respectively—both protected by authorization checks ensuring only authenticated requests proceed further processing steps outlined above[^2]. #### Frontend Integration & Notifications Frontends interact directly via HTTP calls made against backend services exposing CRUD capabilities over resources representing connections established among participants involved within social networks leveraging technologies ranging HTML/CSS frameworks alongside JavaScript libraries including ReactJS/Vue.js etc., providing seamless experiences across devices supporting modern web standards today's digital landscape demands highly interactive interfaces capable delivering real-time updates whenever significant events occur warrant immediate attention prompting necessary responses accordingly based upon individual preferences set forth beforehand during initial setup procedures conducted earlier stages project lifecycle management activities undertaken previously mentioned sections hereinabove discussed already thus far throughout entirety document presented herewith attached hereby incorporated reference purposes solely limited extent specified terms conditions agreed mutually binding parties concerned affected thereby whatsoever manner form shape kind nature whatsoever whatsoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoeversoever
评论
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

程序员小航

你的鼓励将是我创作的最大动力

¥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