人民币大小写的转换

android 金额输入验证(阿拉伯数字转换中文大写) 主要应用了文本框数据校验,数字转换,对话框的一些知识,下面是程序的一些截图和说明              文本框数据校验(只可以输入阿拉伯数字)              点击按钮弹出对话框 阅读详情

using System;

namespace Bypro
{
 /// <summary>
 /// AMT_GB2312 的摘要说明。
 /// </summary>
 public class AMT_GB2312
 {
  public AMT_GB2312()
  {
   //
   // TODO: 在此处添加构造函数逻辑
   //
  }
  public string ConvertToGB2312(double amount)
  {
   string m_str,m_int,m_dec;
   int m_pos,m_len;

   m_str = System.Convert.ToString(amount);
   m_len = m_str.Length;
   m_pos = m_str.IndexOf('.',0);
   m_dec = "00";
   if (m_pos ==-1)
    m_int = m_str;
   else
   {
    m_int = m_str.Substring(0,m_pos);
    m_dec = m_str.Substring(m_pos+1 ,m_len -m_pos-1);
    m_dec = m_dec.PadRight(2,'0');
    m_dec = m_dec.Substring(0,2);
   }

   m_int = m_int.PadLeft(12,'0');

   m_str = "";
   if (m_int.Substring(0,4) != "0000")
   {
    m_str += ConvertTo9999(m_int.Substring(0,4)) + "亿";
   }

   if (m_int.Substring(4,4) != "0000")
   {
    m_str += ConvertTo9999(m_int.Substring(4,4)) + "万";
   }
   if (m_int.Substring(8,4) != "0000")
   {
    m_str += ConvertTo9999(m_int.Substring(8,4)) + "圆";
   }

   if (m_dec !="00")
   {
    m_str += ConvertDec(m_dec);
   }
   else
   {
    m_str += "整";
   }

   return m_str;

  }
  private string ConvertTo9999(string m_part)
  {
   string m_str;
   int m_val,m_tmp;
   
   m_str = "";
   m_val = (int)System.Convert.ToInt32(m_part,10);
   m_tmp = (int)m_val/1000;
   switch(m_tmp)
   {
    case 1:
     m_str = "壹仟";
     break;
    case 2:
     m_str = "贰仟";
     break;
    case 3:
     m_str = "叁仟";
     break;
    case 4:
     m_str = "肆仟";
     break;
    case 5:
     m_str = "伍仟";
     break;
    case 6:
     m_str = "陆仟";
     break;
    case 7:
     m_str = "柒仟";
     break;
    case 8:
     m_str = "捌仟";
     break;
    case 9:
     m_str = "玖仟";
     break;
    default:
     break;
   }

   m_val = m_val -(m_tmp*1000);
   m_tmp = (int)m_val/100;

   switch(m_tmp)
   {
    case 1:
     m_str += "壹佰";
     break;
    case 2:
     m_str += "贰佰";
     break;
    case 3:
     m_str += "叁佰";
     break;
    case 4:
     m_str += "肆佰";
     break;
    case 5:
     m_str += "伍佰";
     break;
    case 6:
     m_str += "陆佰";
     break;
    case 7:
     m_str += "柒佰";
     break;
    case 8:
     m_str += "捌佰";
     break;
    case 9:
     m_str += "玖佰";
     break;
    default:
     break;
   }
   m_val = m_val -(m_tmp*100);
   m_tmp = (int)m_val/10;

   switch(m_tmp)
   {
    case 1:
     m_str += "壹拾";
     break;
    case 2:
     m_str += "贰拾";
     break;
    case 3:
     m_str += "叁拾";
     break;
    case 4:
     m_str += "肆拾";
     break;
    case 5:
     m_str += "伍拾";
     break;
    case 6:
     m_str += "陆拾";
     break;
    case 7:
     m_str += "柒拾";
     break;
    case 8:
     m_str += "捌拾";
     break;
    case 9:
     m_str += "玖拾";
     break;
    default:
     break;
   }

   m_val = m_val -(m_tmp*10);
   m_tmp = (int)m_val%10;

   switch(m_tmp)
   {
    case 1:
     m_str += "壹";
     break;
    case 2:
     m_str += "贰";
     break;
    case 3:
     m_str += "叁";
     break;
    case 4:
     m_str += "肆";
     break;
    case 5:
     m_str += "伍";
     break;
    case 6:
     m_str += "陆";
     break;
    case 7:
     m_str += "柒";
     break;
    case 8:
     m_str += "捌";
     break;
    case 9:
     m_str += "玖";
     break;
    default:
     break;
   }

   return m_str;

  }
  private string ConvertDec(string m_part)
  {
   string m_str;
   int m_val;

   m_str = "";
   m_val = (int)System.Convert.ToInt32(m_part,10)/10;
   switch(m_val)
   {
    case  1:
     m_str = "壹角";
     break;

    case  2:
     m_str = "贰角";
     break;
    case  3:
     m_str = "叁角";
     break;
    case  4:
     m_str = "肆角";
     break;
    case  5:
     m_str = "伍角";
     break;
    case  6:
     m_str = "陆角";
     break;
    case  7:
     m_str = "柒角";
     break;

    case  8:
     m_str = "捌角";
     break;
    case  9:
     m_str = "玖角";
     break;
    default:
     break;

   }

   m_val = (int)System.Convert.ToInt32(m_part,10)%10;

   switch(m_val)
   {
    case  1:
     m_str += "壹分";
     break;

    case  2:
     m_str += "贰分";
     break;
    case  3:
     m_str += "叁分";
     break;
    case  4:
     m_str += "肆分";
     break;
    case  5:
     m_str += "伍分";
     break;
    case  6:
     m_str += "陆分";
     break;
    case  7:
     m_str += "柒分";
     break;

    case  8:
     m_str += "捌分";
     break;
    case  9:
     m_str += "玖分";
     break;
    default:
     break;

   }


   return m_str;
  }
 }
}

【前沿】多模态数据时间同步与对齐技术方案 多模态系统时间同步面临硬件差异、传输延迟和时钟漂移等核心挑战。解决方案包括硬件级的GPS授时(μs级)、FPGA同步电路,以及软件级的动态时间规整(DTW)、卡尔曼滤波和Transformer跨模态对齐算法。工程实践中采用滑动窗口缓冲、分布式一致性协议等方法,已在工业质检(误差≤0.1mm)、自动驾驶(延迟<30ms)等场景取得显著效果。未来需解决高动态场景鲁棒性、边缘设备能耗优化等问题,随着TSN和5G URLLC技术的发展,微秒级同步将成为可能。 阅读详情

相关推荐

手机拍照对焦快准狠的秘密:一文看懂PDAF、Dual Pixel和Super PD的区别

本文深入解析手机拍照中的三种主流相位检测自动对焦(PDAF)技术:Shield Pixel、Super PD和Dual Pixel。通过对比它们的原理、优缺点及实际表现,帮助读者理解不同技术的对焦速度、暗光表现和画质影响,从而做出更明智的购机选择。

weixin_26985923的博客 486

人民币大小写转换(C#)

using System;using System.Text;using System.Text.RegularExpressions;namespace HKH.Common{ ///  /// 人民币大小写格式转换 ///  /// Create By Lwt on 2006/09/23 ///  public class clsRMB {  private clsRMB()  {  }

1724

一文入门Qwen-Agent【附实战代码】

Qwen-Agent 是一个开源框架,用于开发基于 Qwen 模型的 AI 智能体应用,一文带你入门使用

m0_55303420的博客 1873

人民币数字大小写转换

人民币数字大写转换 C++

入门记 6154

gmsv源代码c语言,石器时代ABLua的原理、简介、过程、运用、收发

操作原理(一)服务端:服务器源文件客户端:客户所操作的程序(既是游戏客户端)接口:既是某项功能(例如:鼠标点击,文字发送,战斗,观战,人物动作等)返回的值ABlua:在源代码中添加的整套引擎作为回调接口--lua所实现的功能是基于服务端源码添加的接口由该接口与客户端发送封包实现功能源码里是否有ABlua回调接口?例如:源码里的gmsv/battle.c文件(既是战斗回调文件)以下为简单描述C给予l...

weixin_35223575的博客 2408

排队论在食堂窗口规划中的应用:M/M/S模型优化案例

本文通过食堂窗口规划的真实案例,详细阐述了如何运用排队论中的M/M/S模型量化服务效率。文章从问题拆解、数据采集、模型计算到成本效益分析,提供了完整的数学建模实战指南,帮助读者掌握利用最优化方法解决资源配置问题的核心流程与工具。

docker7nomad的博客 1083

大小写金额转换

//整数金额转化成中国传统大写金额表示形式。packagecom.mjm;importjava.util.Scanner;publicclassMoneyformat...{/***//***@paramargs*/publicstaticvoidmain(String[]args)...{//TODOAuto-generatedmethodstubSystem.out.println("请...

有志者,事竟成! 1107

赴美参加学术会议办理流程

有幸能在研究生阶段获得学校资助出国参加学术会议,首先要感谢学校的支持,以及学院和实验室的各位老师~ 接下来说下参会整个准备过程: 本人在接到论文录用通知后,就开始办理相关手续。因为会议地点是美国夏威夷,而且录用通知时间与会议召开时间只隔两个月左右,所以接下来两个月时间要办好学校出国申请手续,赴美签证,因为专业原因,据说签证不好办,所以时间比较紧。学校出国申请和签证相关材料是并行进行的,赴美花费...

xingxin_xu的博客 3194

人民币金额大写转小写

将大写的金额转换成小写 对:“壹佰零壹亿叁仟零叁拾万零陆佰零陆元玖角玖分” 按”亿”,”万”,”元”进行切分 得到 [‘壹佰零壹’, ‘叁仟零叁拾’, ‘零陆佰零陆’, ‘玖角玖分’] 对list中每一个串进行转换然后乘以它的进制 最后累加 import re money_dict={ "壹":1, "贰":2,"叁":3, "肆":4, "伍":5,"陆":6,&qu

tsf的博客 4149

系规备考论文:论IT服务规划设计

系规备考论文:论IT服务规划设计

liuxu324的博客 1144

图像紫边消除(depurple)

对图像紫边形成原因、消除方法进行了介绍。

沧海一升的博客 7564

Delphi 人民币大小写转换

Delphi 人民币大小写转换 时间:2011-5-24来源:yang作者:peng点击:745次 function TPrintfrm.NumToChar(n: Real): wideString; //可以到万亿,并可随便扩大 const cNum: WideString = ‘零壹贰叁肆伍陆柒捌玖-万仟佰拾亿仟佰拾万仟佰拾元角分‘; cCha: array[0..1, ...

qq_28746577的博客 671

【Bug已解决】Failed to fetch version ECONNREFUSED 解决方案

方案适用场景推荐指数难度方案一:NODE_EXTRA_CA_CERTS代理/企业网关证书⭐⭐⭐⭐⭐低方案二:浏览器导出证书不知证书在哪⭐⭐⭐⭐中方案三:使用系统证书macOS 用户⭐⭐⭐⭐中方案四:关闭代理直连快速验证⭐⭐⭐低方案五:更新 Node.js证书列表过时⭐⭐⭐低方案六:同步系统时间时间偏差导致⭐⭐⭐低根本原因。

博客 9972

人民币大小写转换

人民币大小写转换Function RMBTransfer(varMoney As Variant) As String%REM人民币大小写转换%END REM先解析整数strNumwei = "拾佰仟万拾佰仟亿拾佰仟"strNumshu = "零壹贰叁肆伍陆柒捌玖拾"strMoney = Trim(Cstr(Int(varMoney)))For i = 1 To Len(

qindeshengdong的专栏 877

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

java版,实现人民币的大小写转换

前两天看了,一个技术牛人的访谈,讲的非常的精彩。我只记得当中他说,程序员要怎么学习。提了很重要的一点,就是要经常性的写博客,把自己学到的知识,分享出来,这样不仅可以提高自己的能力,还能够让别人看你程序的时候,找出你的错误。我感觉这个方法特别的好,所以从今天,开始我也要把握所学的只是分享出来。希望广大看到我写博客的人,看到我的错误,欢迎批评指正。   好了,废话不多说,开始今天的分享,今天分享一个

三石的专栏 5389

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

java人民币大小写转换_人民币大小写转换

usingSystem;usingSystem.Text;usingSystem.Text.Rusing System;using System.Text;using System.Text.RegularExpressions;namespace HKH.Common{/// /// 人民币大小写格式转换/// /// Create By Lwt on 2006/09/23/// public...

weixin_42157556的博客 497

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")

人民币大小写格式转换

  using System; using System.Text; using System.Text.RegularExpressions;     ///       /// 人民币大小写格式转换      ///       ///  范中磊      ///       public class clsRMB     {      

zhbog的专栏 2453

人民币大小写转换 & 四舍五入函数

人民币大小写转换代码Public Function DaXie(txtJE As String) As String On Error GoTo err1    Dim i As Long         循环变量    Dim K As Long        记录整数位循环位置    Dim NC As String      输入金额     Dim chrN

行者的专栏 2110

使用JS转换人民币大小写

在很多财务类型的系统中经常用到人民币大小写转换,js转换还是比较方便的。 人民币零元整   以上是html代码,当文本框改变时调用context事件   function context(){ var tex=document.getElementById("

T` 2666

JavaScript实现人民币大小写转换

当使用支票或者签署合同时,需要用到大写人民币,常用的中文大写包括零、壹、贰、叁、肆、伍、陆、柒、捌、玖、拾、佰、仟、万、亿。本文介绍下如何使用JavaScript实现将阿拉伯数字的人民币转换成大写。 工具地址:人民币大小写转换工具 人民币大小写转换 直接贴JavaScript代码,主要思想就是把汉字类型的人民币表述分为两个部分:数字+单位,最后如果是整数,则在最后加一个”整“,具体效果参考:人民币...

老王的IT博客 3167

Oracle存储过程实现人民币大小写转换 Java人民币小写转大写

注意:当报如下错误时,是因为存储过程中定义的变量值太小,加大它的范围即可。 Causedby:java.sql.SQLException:ORA-06502:PL/SQL:数字或值错误:字符串缓冲区太小 ORA-06512:在"AP_JXMG.NUM2RMB",line6 解决办法:如 sch varchar2(20) := '零壹贰叄肆伍陆柒捌玖'; ...

tanzongbiao的专栏 1438

人民币金额大小写转换器

中文大写金额数字应用正楷或行书填写,如壹(壹)、贰(贰)、叁、肆(肆)、伍(伍)、陆(陆)、柒、捌、玖、拾、佰、仟、万(万)、亿、元、角、分、零、整(正)等字样。不得用一、二(两)、三、四、五、六、七、八、九、十、念、毛、另(或0)填写,不得自造简化字。一、中文大写金额数字到"元"为止的,在"元"之后,应写"整"(或"正")字,在"角"之后,可以不写"整"(或"正")字。二、中文大写金额数字前应标明"人民币"字样,大写金额数字有"分"的,“分"后面不写"整”(或"正")字。人民币大写数字注意事项。

weixin_43680407的博客 3053
上一篇: 用C#操作word出现如下错误要如何解决
下一篇: 昨天晚上看了一场经典的放水大战
大雨仔
博客等级 码龄23年 28粉丝 159原创
评论 2
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