java多态继承中需要特别注意的点

Java头歌 3.2 Java语言之继承与多态 关键字来定义抽象类。切记, 阅读详情

         都知道在java中,子类继承父类后可以多态的覆盖父类方法,即使在上线转型使用的时候也是使用子类中的方法,那么在子类继承父类过程中是不是所有的方法及父类属性都能多态呢?让我们看看下面列子:

 

package test;

import static test_1.PrintDome.*;

/**
 * java多态列外的部分
 *
 * */
public class UpTransDisplay extends SuperPlay{//子类
 
 public int fileNum=1;//子类域中参数,不可多态化
 public int getFileNum(){//子类普通方法,多态属性
  return fileNum;
 }
 
 public int getSuperFileNum(){
  return super.fileNum;
 }
 
 public static int getStaticNum(){//静态方法不可多态
  return 3;
 }
 
 public static void main(String[] args) {
  // TODO Auto-generated method stub
  SuperPlay superPlay = new UpTransDisplay();
  UpTransDisplay superPlaySon = new UpTransDisplay();
  print("superPlay.fileNum: "+superPlay.fileNum+"  superPlay.getFileNum: "+superPlay.getFileNum()+"  "
    + " superPlay.getStaticNum: "+superPlay.getStaticNum());//可以看到此处编译时已有警告,证明静态方法不可以多态
  print("superPlaySon.fileNum: "+superPlaySon.fileNum+"  superPlaySon.getFileNum: "+superPlaySon.getFileNum()+"  "
    + " superPlaySon.getStaticNum: "+superPlaySon.getStaticNum()+" superPlaySon.getSuperFileNum: "
    +superPlaySon.getSuperFileNum());
  
 }

}
class SuperPlay{
 public int fileNum=0;
 public int getFileNum(){
  return fileNum;
 }
 public static int getStaticNum(){
  return 2;
 }
}

-------运行结果--------------------

superPlay.fileNum: 0  superPlay.getFileNum: 1   superPlay.getStaticNum: 2
superPlaySon.fileNum: 1  superPlaySon.getFileNum: 1   superPlaySon.getStaticNum: 3 superPlaySon.getSuperFileNum: 0

 

 

从上面的列子可以看出,非静态的普通父类方法是可以被子类速覆盖多态的(列子中的getFileNum()方法),然而父类中的静态方法(getStaticNum())和父类中的字段属性fileNum 是无法被子类覆盖多态的。
Java语言之继承与多态 任务描述我们都知道,生活中的继承无处不在,在数学王国的领域也是如此。最近数学王国中一位名叫Shape的父亲有一个烦心事,他有两个儿子Circle和Rectangle,这两个儿子比较叛逆,虽然Sharp苦口婆心的教育他们说要继承自己的方法,但他们觉得没有父亲也能计算自己的面积。无奈之下Shape找到了你,请你来编写程序告诉他的两个儿子要继承他的方法。相关知识继承的概念继承是java面向对象编程技术的一块基石,因为它允许创建分等级层次的类。生活中的继承:。 阅读详情

相关推荐

世界模型和大语言模型结合开发自动驾驶算法

摘要:自动驾驶系统开发中,融合世界模型和大语言模型可显著提升效率和安全性。世界模型负责环境感知与预测(如目标检测、轨迹预测),而大语言模型优化代码生成、决策解释等环节。实施路径包括需求分析(1-2周)、模型开发(2-4个月)、模拟测试(1-2个月)、实车测试(2-3个月)和合规优化(1-2个月),总周期6-12个月。关键技术工具包括PyTorch/TensorFlow、CARLA模拟器和ROS系统,核心设计理念强调模块化、安全优先和敏捷迭代。示例代码展示了YOLO目标检测与大语言模型决策建议的集成方案。该方

ponygame的博客 827

Java的多态及注意事项

什么是多态: 多态不但能够改善代码的组织结构和可读性,还能够创建可扩展的程序。在Java中,所有的方法都是通过动态绑定实现多态的。将一个方法调用同一个方法主体关联起来被称作绑定。动态绑定的含义是在运行时根据对象的类型进行绑定。动态绑定也叫作后期绑定或运行时绑定。Java中除了static方法和final方法(private方法属于final方法)之外,其他所有的方法都是后期绑定。这意味着通常情

Rainnnbow 1630

NY8A053E 例程 之 PWM Ouput

更多关于NY8A053E的相关例程请留言!

倪彬笑阳的博客 2926

java类的继承注意事项总结

类的继承是指在一个现有类的基础上去构建一个新的类,构建出来的新类被称作子类,现有类被称作父类,子类。需要注意的是,在子类中重写的方法需要和父类被重写的方法具有相同的方法名、参数列表以及返回值类型。1.不允许多继承,也就是说一个类只能有一个直接父类,例如下面这种情况是不合法的。1.使用super关键字访问父类的成员变量和成员方法。最后在main方法中必须重写子类方法,再进行调用父类变量或者方法。子类可以对继承的方法进行一些修改,即对父类的方法进行重写。2.多个类可以继承同一个父类,例如下面这种情况是允许的。

Above the cloud 1174

手机移动端-纯js浏览器h5调用摄像头扫描识别解析 条形码+二维码

一、场景 h5原生js 浏览器端解决识别二维码条形码功能; 不借助Hbuilder.需要自己打包成APP,比如用Hbuilder打包,浏览器端项目h5无打包成app部署X不采用 不借助微信扫一扫,调用微信js-jdk有多麻烦,还要认证服务号,也不适用其它浏览器打开X不采用 二、思路 1.思路一:input(相机拍照)+条形码或二维码识别js支持库 通过h5-input[camera]调用相机进行拍照成图片,通过条形码等识别库解析出数据; <input @cha...

徐子厚的博客 3万+

OpenCV 开闭运算

开运算和闭运算是将腐蚀和膨胀按照一定的次序进行处理。 但这两者并不是可逆的,即先开后闭并不能得到原来的图像。 开运算 开运算是先腐蚀后膨胀,其作用是:分离物体,消除小区域。特点:消除噪点,去除小的干扰块,而不影响原来的图像。 闭运算 闭运算与开运算相反,是先膨胀后腐蚀,作用是消除/“闭合”物体里面的孔洞,特点:可以填充闭合区域。 cv.morphologyEx(img, op, kernel) img: 要处理的图像 op: 处理方式:若进行开运算,则设为cv.MORPH_OPEN,若进行闭

꧁༺ʚvv༒catɞ༻꧂的博客 950

JAVA 多态用法及相关注意事项

java多态: 注意1.多态是方法多态,属性没有多态2.存在条件继承关系,方法重写,父类引用指向子类。

weixin_45667018的博客 269

DBeaver 实战:手动配置 PostgreSQL JDBC 驱动的高级技巧

本文详细介绍了在DBeaver中手动配置PostgreSQL JDBC驱动的高级技巧。针对企业内网、多版本数据库兼容等场景,从获取官方驱动文件、创建自定义驱动配置,到使用Maven坐标管理、连接参数调优及解决常见连接问题,提供了完整的实战指南,帮助开发者实现对数据库连接环境的精准掌控。

apple5的专栏 837

详解Java多态的概念、注意事项和用法

1 多态概述 2 多态的格式 3 多态的简单应用 4 多态中的类型转换 4.1 向上转型 4.2 向下转型 4.2.1 为什么向下转型 4.2.2 向下转型的异常 4.2.3 向下转型的异常处理办法

sc179的博客 808

Scipy优化踩坑实录:trust-constr和SLSQP约束定义到底差在哪?

本文深入解析了Scipy优化模块中trust-constr和SLSQP两种方法在约束定义上的差异。通过对比面向对象的trust-constr和字典式定义的SLSQP,揭示了它们各自的优势与适用场景,帮助开发者在有约束优化问题中选择合适的算法,提升计算效率与准确性。

weixin_42573113的博客 271

基于Qt C++开发一款国产化的福昕风格PDF编辑工具

QString text = QInputDialog::getText(this, "文本批注", "输入批注内容:", QLineEdit::Normal, "", &ok);QString savePath = QFileDialog::getSaveFileName(this, "保存加密PDF", "", "PDF文件 (*.pdf)");QAction* zoomInAct = new QAction(QIcon::fromTheme("zoom-in"), "放大", this);

寒寒豆豆软件公司的博客 240

Java的继承

Java的继承 继承简介 继承注意事项 作用域再说明 典型示例(注意注释) 代码执行顺序 继承关系中的构造方法 子类访问父类 何时使用继承 Java的方法重写 方法重写的含义 方法重写的规则 方法重写与重载的区别与联系 简述overloading和overriding的区别和联系 特殊的父类——Object类 Object类简述 Object类的特点 关于Object类中的5个可被继承的方法 关于父类方法重写的再引伸——Object类 Object类中方法重载的应用场景 关于final修饰符...

jule_zhou的博客 1402

泛微OA自定义post接口和路径(无侵入)

泛微OA自定义post接口和路径(无侵入)

技术分享 3878

java第三章,面向对象(上)章节知识总结

class 类名 {public:// 1. 成员属性(成员变量)类型 变量名;// 2. 成员方法(行为)返回类型 方法名(参数列表) {// 方法实现// 3. 构造方法类名(参数列表) {// 初始化列表// 4. this关键字的使用返回类型 方法名(参数列表) {this->变量名 = ...;// 5. static关键字的使用static 类型 类变量名;static 返回类型 类方法名(参数列表) {// 实现。

slp20051002_的博客 1636

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

Java实战之继承与多态

类的继承以及抽象类的定义和使用 任务描述 我们都知道,生活中的继承无处不在,在数学王国的领域也是如此。最近数学王国中一位名叫Shape的父亲有一个烦心事,他有两个儿子Circle和Rectangle,这两个儿子比较叛逆,虽然Sharp苦口婆心的教育他们说要继承自己的方法,但他们觉得没有父亲也能计算自己的面积。无奈之下Shape找到了你,请你来编写程序告诉他的两个儿子要继承他的方法。 相关知识 继承的概念 继承是java面向对象编程技术的一块基石,因为它允许创建分等级层次的类。 生活中的继承: 兔子和羊属

weixin_44606952的博客 8938

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

Java 中多态的实现原理

一. 什么是多态 多态是面向对象编程里面的概念,一个接口的多种不同的实现方式,即为多态。 这里的接口不应理解得太死板,比如在 Java 里面,继承一个类和实现一个接口本质上都是一种继承行为,因此都可以理解为多态的体现。 从静态和动态的角度进行划分,多态可以分为编译时多态和运行时多态。 编译时多态是静态的,主要是指方法的重载,它是根据参数列表的不同来区分不同的方法,编译之后会变成两个不同的方法。 而运行时多态是动态的,是通过动态绑定来实现的,也就是大家通常所说的多态性,本篇博客主要讨论运行时多...

盛夏温暖流年 7388

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")

java中继承封装多态

继承,封装,多态继承继承的特点继承的好处继承的弊端继承的注意事项this和superthis和super的使用区别封装二级目录三级目录 继承 继承是面向对象最显著的一个特性。继承是从已有的类中派生出新的类,新的类能吸收已有类的数据属性和行为,并能扩展新的能力。一个子类继承一个父类。子类就拥用了父类的属性,方法。而final的属性和方法是不能被继承的。 继承的特点 Java只支持单继承,不支持多继承, 即只能继承一个类,格式:extends 类1 有些语言是支持多继承,格式:extends 类1,类2,..

雪落无痕的博客 271

Java类的封装继承多态 ---总结

Java类的封装继承多态 OOP思想不再多做介绍 下面对一些重点描述一下 Java的权限修饰符 修饰实例方法、类方法、类变量、实例变量的: private public default protected 修饰类的: public private 局部变量没有访问权限符 本身就是一个方法内部的变量,仅该方法可以访问 特别注意的是private private只支持自身类内部方法的访问 即使是子类也...

qq_41649869的博客 701

Java 继承、多态与类的复用

本文结合Java的类的复用对面向对象两大特征继承和多态进行了全面的介绍。首先,我们介绍了继承的实质和意义,并探讨了继承,组合和代理在类的复用方面的异同。紧接着,我们根据继承引入了多态,介绍了它的实现机制和具体应用。此外,为了更好地理解继承和多态,我们对final关键字进行了全面的介绍。在此基础上,我们介绍了Java中类的加载及初始化顺序。最后,我们对面向对象设计中三个十分重要的概念-重载、覆盖与隐藏进行了详细的说明。

Rico's Blogs 1万+

Java继承和多态之final关键字

例如,Java 类库中的 String类,它对编译器和解释器的正常运行有着很重要的作用,不能轻易改变它,因此把它修饰为 final 类,使它不能被继承,这就保证了 String 类的惟一性。同时,如果你认为一个类的定义己经很完美,不需要再生成它的子类,这时也应把它修饰为 final 类。用 final 修饰的方法为最终方法,不能再被子类重写,可以被重载。2. final 关键字修饰类、成员变量和成员方法。变量被声明为 final 后,成为常值变量(即常量),一旦被通过某种方式初始化或赋值,即不能再被修改。

n9102的博客 1395

继承与多态

继承与多态继承多态概念内容上转型对象概念知识点 继承 1,继承是面向对象编程的三大特征之一,是一种基于已有类来创建新类的机制。由继承而得到的类称为子类(或派生类),被继承的类称为父类(或超类)。 2,Java中每个类只允许有一个父类。语法如下:class <子类> extends <父类> 3,Object类是所有类的直接父类或间接父类。 例子: 多态 概念 父类类型(...

YXX_decsdn的博客 309

如何理解封装、继承和多态

面向对象的三大基本特征是:封装、继承、多态。 简介 封装可以隐藏实现细节,使得代码模块化; 继承可以扩展已存在的代码模块(类);它们的目的都是:代码重用。 多态则是为了实现另一个目的——接口重用!多态的作用,就是为了类在继承和派生的时候,保证使用“树类”中任一类的实例的某一属性时的正确调用。 封装: 封装是实现面向对象程序设计的第一步,封装就是将数据或函数等集合在一个个的单元中(我们称之为类)。被封装的对象通常被称为抽象数据类型。 封装的意义: 封装的意义在于保护或者防止代码(数据)被我们无意中破坏。在

weixin_54503050的博客 1572

Java继承与多态相关知识点

java继承与多态相关知识点

a931394057的博客 525

Java面向对象 继承和多态

class 子类名 extends 父类名{ //类名 } 通过extends实现继承。 子类可定义自己的成员变量与成员方法。 子类继承父类的全部成员(属性和方法),除private的成员和方法 注:Java中只支持单继承,构造方法不会自动继承。 用什么方法让子类借用父类的构造方法呢? 使用super关键字 super关键字代表父类 super.父类成员变量 super.父类成员方法(参数列表)...

LLLZZZai_You的博客 304

Java-封装、继承、多态

文章目录Java-封装、继承、多态1 封装1.1 软件包机制1.2 权限控制修饰符2 继承2.1 概述2.2 语法2.3 Super2.3.1 概述2.3.2 作用2.3.3 构造方法私有化2.4 方法重写2.4.1 应用场景2.4.2 重写条件2.4.3 重写(Override)与重载(Overload)的区别2.4.4 Override注解2.5 final3 多态3.1 概述3.2 两种多态形式3.3 相关知识 Java-封装、继承、多态 1 封装 1.1 软件包机制 package:设置的是clas

simple的博客 204
上一篇: 一个有关向上转型的简单列子
下一篇: Java并发编程:CountDownLatch、CyclicBarrier和Semaphore
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  | 博主筛选后可见
 
 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