Ant Design 的 Angular 实现 ng - zorro - antd 22.0.0 发布,新增特性与重大变更齐登场!

Angular--UI框架Antd组件库介绍&安装&使用 1. Angular–UI框架Antd组件库介绍&安装&使用 1.1 介绍: ng-zorro-antd是 Ant Design 的 Angular 实现,主要用于研发企业级后台产品,Ant Design是蚂蚁金服 Ant Design团队开发的一款优秀的前端框UI库架支持React、Angular、Vue。 Ant Design 官网 1.2 Angular U框架Ng-Zorro安装使用 1.2.1创建项目安装 ng-zorro-antd 提示:安装前建议安装最新版本的 yarn 阅读详情

Ant Design 的 Angular 实现 ng - zorro - antd 主要用于企业级中后台产品研发,其代码开源免费。近日,ng - zorro - antd 22.0.0 正式发布,带来诸多更新。

序号1

开源免费的利器

ng - zorro - antd 作为 Ant Design 的 Angular 实现,专为企业级中后台产品研发打造。其全部代码开源且遵循 MIT 协议,意味着任何企业、组织及个人都能免费使用,极大降低了开发成本。

序号2

新增特性亮点

此次更新有不少新特性。所有组件均采用 OnPush,新增日期适配器支持,upload 组件支持自定义操作和额外内容。这些更新能提升组件性能和灵活性,让开发者更高效地完成开发任务。

序号3

修复关键问题

在 Bug 修复方面,解决了 form 组件的 signal form 兼容性问题,以及 select 组件滚动加载时下拉菜单滚动位置丢失的问题,提升了产品的稳定性和用户体验。

序号4

重大变更须知

日期相关组件不再内置默认日期引擎适配器,使用时需显式提供。同时,`date - fns` 升级至 v4,直接使用其 API 的应用需更新用法。此外,还移除了多个过去版本标记为废弃的 API。

序号5

更新说明指引

开发者可通过更新说明链接 详细了解此次更新内容,为项目升级做好准备。

编辑观点:ng - zorro - antd 22.0.0 的发布为开发者带来新特性与稳定性提升,但重大变更需开发者重视,合理规划升级,以适应新版本。

Angular与Ant Design(NG-ZORRO)企业级开发实践指南 前端框架选型是企业级应用开发的关键决策,Angular以其完整的MVVM架构和TypeScript强类型支持成为大型项目的首选。Ant Design作为流行的企业级UI设计体系,其Angular实现NG-ZORRO提供了丰富的预制组件库。这种技术组合通过模块化架构降低系统复杂度,利用TypeScript静态类型检查提升代码质量,配合Ant Design的统一设计语言保证用户体验一致性。在后台管理系统、数据可视化平台等场景中,开发者可以快速搭建包含表单、表格、导航等标准化功能的企业应用。通过NG-ZORRO的 阅读详情

相关推荐

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

Ant Design of Angular - NG-ZORRO

Ant Design of Angular - NG-ZORRO Ant Design of AngularStar4,950 特性支持环境当前版本支持 Angular 版本设计规范安装链接谁在使用如何贡献社区互助 这里是 Ant Design 的 Angular 实现,开发和服务于企业级后台产品。 + 特性# 提炼自企业级中后台产品的交互语言和视觉风格。 开箱即用的高质量 An...

大强博客 5627

【python】epub的电子书繁体字与简体字转换

中文繁体与简体转换

xiexianyou666的博客 3093

接口自动化测试平台gh_mirrors/ap/api_automation_test:从零搭建你的首个测试项目

接口自动化测试平台gh_mirrors/ap/api_automation_test是一款功能强大的接口自动化测试工具,能够帮助测试人员高效、准确地进行接口测试。本文将为你详细介绍如何从零开始搭建你的首个测试项目,让你快速掌握接口自动化测试的核心技能。 ## 一、环境准备:快速搭建测试平台基础 要搭建接口自动化测试平台,首先需要准备好相关的环境。我们可以通过以下步骤快速完成环境搭建。 首先,

gitblog_00047的博客 580

【东华大学oj】找到最大数(一维数组->中等)

一天,老师布置了一个作业,要求对一串数字各不相同的数字串进行排序,大的在前,小的在后。接着,我从数字串中的第二个数字开始往后找,找到最大的一个,然后与第二个数字交换,这样的话我就能够确定排序后数字串中的第二个数字;明明研究发现,他的这个想法中最重要的一环就是在一串数字中找到最大的那个,然后与第一个数字交换,可是明明毕竟刚刚开始学习程序设计不久,无法写出较复杂的程序,所以明明想让你这位程序设计专家帮他的忙,帮助他把这段核心程序写出来,然后明明只需模仿着写就可以了。时间限制: 1S类别: 一维数组->中等。

的博客 526

用deepseek部署全自动的机器人--bytebot

Bytebot是一款开源AI桌面代理,提供完整的虚拟桌面环境,支持跨应用任务处理、文件管理、文档处理等复杂工作流。其技术架构包含核心控制、LLM代理、UI等组件,支持Docker和Kubernetes部署。本文演示了基于CloudStudio的部署流程,包括环境配置、Docker部署及DeepSeek API集成,实现多模型调用功能。

Kin 2484

ant-design for angular的常用组件类

然后在app.module.ts打入这个模块,这样所有的页面就可以使用ant design的常用组件了。新建文件antDesign.module.ts。

zwjapple的专栏 716

2.1 量子精密测量:SERF原子陀螺仪中的核自旋-电子自旋强耦合机制

本文深入解析了SERF原子陀螺仪中核自旋-电子自旋强耦合机制的核心原理与应用。通过量子精密测量技术,SERF陀螺仪实现了超高精度的惯性导航,其独特的磁场自补偿和拉莫尔进动特性使其在弱磁场环境下表现出色。文章还探讨了关键技术突破和前沿进展,展示了量子精密测量在惯性导航领域的巨大潜力。

kotlin6android的博客 212

使用 Ant Design 和 Angular 实现侧边抽屉的展开与收起功能

在 HTML 文件中,我们使用了 Ant Design 的。并且使用了 Angular 的。用来控制按钮的位置,确保它固定在页面的右侧中央,在 TypeScript 文件中,我们定义了。指令来控制展开/收起按钮的显示。变量来控制抽屉的显示状态,以及。函数用来切换抽屉的显示状态。来为按钮和抽屉添加样式。来控制按钮文本的变化。让按钮文本垂直显示。

literature1688的博客 376

告别乱码!手把手教你用docx4j实现Word转PDF(附完整中文字体配置)

本文详细介绍了如何使用纯Java库docx4j实现Word到PDF的精准转换,并重点解决了中文乱码这一核心痛点。文章提供了从环境搭建、核心代码实现到中文字体配置的完整教程,特别针对Linux服务器部署场景,给出了详细的字体安装与映射方案,确保跨平台转换的稳定性和准确性。

nokia的博客 1153

化工设计软件:PDMS二次开发_(7).数据导入与导出技术

在某些复杂场景下,PDMS提供的标准API接口可能无法满足需求。此时,可以通过自定义API接口来实现特定的数据导入与导出功能。自定义设备导入API接口可以处理更复杂的设备数据格式。# 导入必要的库import pdms_api # 假设有一个PDMS API库# 定义自定义设备数据# 自定义设备导入API接口# 调用自定义设备导入API接口# 输出导入成功的消息print("自定义设备数据导入成功")在PDMS二次开发中,数据的导入与导出是关键的技术环节。

kkchenjj的博客 1492

angular12里面ant-design的模态框的使用

1,子组件的ok,cancel的事件一定要给父组件传递, 父组件的oek,cancel的方法一定要控制他自己变量的ture,false的设置, 不然会导致子组件只会弹出一次。指令时,它允许我们在父组件中引用该组件并插入任意内容。指令,我们可以在自定义组件中以灵活的方式接收和处理父组件传递的内容,从而实现更好的复用性和可定制性。的位置,父组件中传入的内容将会被动态插入到自定义组件的模板中。在上面的示例代码中,父组件使用了自定义的弹出框组件。,从而实现了动态插入父组件传入的内容。那么,在自定义组件的模板中,

zwjapple的专栏 484

极智AI | 算能SC5+智算卡驱动安装与升级

大家好,我是极智视界,本文介绍一下 算能SC5+智算卡驱动安装与升级

极智视界 1278

Ant Design Of Angular 项目的创建与常见问题

Ant Design Of Angular 项目的创建与问题框架特性支持环境使用版本安装 框架特性 提炼自企业级中后台产品的交互语言和视觉风格。 开箱即用的高质量 Angular 组件,与 Angular 保持同步升级。 使用 TypeScript 构建,提供完整的类型定义文件。 支持 OnPush 模式,性能卓越。 数十个国际化语言支持。 深入每个细节的主题定制能力。 支持环境 现代浏览器...

黄飞翔的博客 1598

1️⃣ Coze智能体基础入门教学(2025年全新版本)

不妨设想一下,倘若我们能够打造出一个数字助手,它不但能精准洞悉我们的需求,更可以独立思索、学习以及付诸行动,这便是 AI Agent 的基础理念。它恰似计算机世界里的 “智慧精灵”,能够感知周遭环境、做出判断并采取行动。AI Agent 的发展之路精彩纷呈。它走过了三个重要阶段:起初,它犹如一个被规则束缚的机器人,只能按预设好的指令开展工作。接着,它学会运用统计学方法,通过分析数据来做决策,变得越发灵活。到如今,凭借深度学习技术,它已经能够像人类一样去学习复杂的任务了。

李同学Lino的博客 4091

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")

Angular 学习笔记 —— 路由、模块、Ant Design

1.路由 1.1 app-routing.module.ts 配置路由 // 引入组件 import { HomeComponent } from './home/home.component'; import { NewsComponent } from './news/news.component'; import { NewscontentComponent } from './newscontent/newscontent.component'; // 配置路由(路径对应的组件) cons.

Lyrelion的博客 956

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

Ant Design Icons 在 Angular 项目中兼容 Trusted Types 的解决方案

Ant Design Icons 在 Angular 项目中兼容 Trusted Types 的解决方案 背景介绍 在现代 Web 开发中,内容安全策略(CSP)是保护应用免受跨站脚本攻击(XSS)的重要机制。Trusted Types 是 CSP 的一个关键特性,它通过限制危险的 DOM API 使用来增强安全性。当开发者启用 Trusted Types 时,直接使用 innerHTML 等 A...

gitblog_07584的博客 420

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

Angular——ant design 修改样式

若重置所有某个UI组件,你直接在你的全局style里重置 如果某个页面临时性重置其样式,则 在component.css中 把伪类::ng-deep应用到任何一条 CSS 规则上就会完全禁止对那条规则的视图包装。任何带有::ng-deep的样式都会变成全局样式。为了把指定的样式限定在当前组件及其下级组件中,请确保在::ng-deep之前带上:host选择器。如果...

前端的路上 2057

ng-antd-admin: Ant Design Pro 的 Angular 实现

介绍 项目基于angular ng-zorro-antd 开发,参照 Ant Design Pro 实现的angular风格的后台管理系统 安装 $ git clone https://github.com/llkui/ng-antd-admin.git ng-antd-admin $ cd ng-antd-admin $ npm install 开发环境 $ ng serve --open 通过http://localhost:4200/访问项目 打包 $ ng build ..

llkui 3047

在Angular中使用Ant Design of Angular里面的小图标

公司在开发一个Angular的项目,里面用到了Ant Design of Angular的Icon。 出现了 origin ‘null’ has been blocked by CORS policy… 的问题 解决方法: https://ng.ant.design/components/icon/zh Ant Design of Angular官方文档介绍 在 app.module.ts 里加...

inprivacy的博客 3214

Angular开发:AngularUI库Ant Desigin介绍和安装

一、Angular5 UI 库 Ant Desigin 介绍 Ant Design 是我们(蚂蚁金服 Ant Design 团队)开发的一款优秀的前端框 UI 库架支持 React 和 Angular5。 Ant Design 很久以前只支持 React,但是 Facebook React 开源协议修改后, 阿里巴巴 Ant Design 团队开始了 Angular5 的支持。 据了解,Faceb...

Brave Soul Blog 1146

angular以及Ant Design of Angular的各项配置

1,创建项目 ng new project project是你的项目名称 2,启动项目 ng serve --open 需在你新建的项目下启动

qq_43493141的博客 1985

Angular8 + ng.ant.design 开箱即用

> 【fc-angular】基于angular8的多页面后台管理系统 # 一、简介 ## 1、源码地址 - 【源码地址】[https://github.com/FE-free/fc-angular](https://github.com/FE-free/fc-angular) ## 2、在线预览 - 【在线预览】[https://FE-free.github.io/fc-angular/de...

小红红的博客 3654

NG-ZORRO(Ant Design + Angular)UI组件库正式发布

Ant Design 介绍 众所周知,Ant Design 作为一门设计语言面世,经历过多年的迭代和积累,它对UI的设计思想已经成为一套事实标准,受到众多前端开发者及企业的追捧和喜爱,也是 React 开发者手中的神兵利器。希望 NG-ZORRO 能够让 Angular 开发者也享受到 Ant Design 的优秀设计。 在作为 Ant Design 的 Angular 实现,NG-ZORRO 不...

weixin_33935777的博客 637

angular蚂蚁_技术 | 前端福音,蚂蚁金服 Ant Design 生态一览

蚂蚁金服是一家互联网金融服务公司,前身是支付宝,2020 年 7 月份正式更名为蚂蚁集团,并且于 7 月 20 日公开了上市计划,一时轰动了整个互联网。随着蚂蚁上市计划的公开,这家公司人气越来越高,已然是一个互联网大厂,其背后的技术和团队也得到了更多人的关注和重视。今天,我们来看一下,这家金融服务公司背后优秀的前端技术生态 —— Ant Design。Ant DesignAnt Desi...

weixin_33158887的博客 1053

angular UI框架

基于Angular的UI框架:NG-ZORRO NG-ZORRO是AntDesign的Angular实现,NG-ZORRO由阿里计算平台事业部、阿里云等不同部门的一些小伙伴在原业务组件的基础上共同构建而成,而且已开源,现在是0.6.0的版本,组件功能已经很齐全了,更符合我们国人使用习惯,已兼容Angular 5.0版本。是目前为止我见过的最全面、最好、最符合国人使用习惯的管理后台angular 2...

elijip的博客 1万+
上一篇: 从“准”到“实”!阿里巴巴 Qwen Image 3.0 图像生成迈向“直接出活儿”时代
下一篇: CMU教授揭秘:杨植麟拒留美创业,与梁文锋共证中国AI无需依赖硅谷!
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22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