HTML5 data-*属性

使用HTML5自定义data属性进行编程 要在HTML元素上添加自定义data属性,我们可以使用"data-"前缀,后跟任意自定义名称。这个自定义名称可以是任何合法的HTML属性名称,但必须以字母开头,并且只能包含字母、数字、连字符和下划线。下面是一个示例,展示如何在一个元素上添加自定义data属性: 阅读详情

虽然已经有很多的关于此属性的讲解文章,但是下面的内容也属于个人理解,记录一下

1、是个啥?有什么用?

HTML5的新特性data-*,用于用户自定义属性,对于元素,可以绑定相关的数据了。data-只是属于前缀,对于自定义的属性方便统一管理,就比如一个元素上很多属性,咋一看很混乱,但是如果都自定义的属性前缀都加上data-,一目了然,这是自定义的。比如 data-comment。

不仅仅如此,通过js和jquery对自定义的属性操作也就很方便,对于支持的浏览器,可以对对象直接操作dataset属性。里面包含所有自定义属性。

2、怎么用?

首先对于某个想绑定数据的元素,也就是需要自定义属性的元素操作。


结果:


通过上面的结果,我们可以知道:

    1、dataset为一个对象,保存自定义属性

    2、元素的属性变成了驼峰式(所以操作的话就要用驼峰式)

Javascript操作

main.dataset.timeShow = '2018-04-05';  //直接修改,当然如果没有这个属性也会直接添加,只是在dom中就变成 data-time-show="2018-04-05"

当然我们还可以通过getAttribute和setAttribute来对属性进行操作:

main.getAttribute('data-time-show');  //'2018-04-05'

jquery操作

1、可以通过元素的attr()操作属性。这个和我们平常处理属性的操作是一样的。

2、使用data()方法来操作,首先既然存在就有存在的道理,两者是不一样的。data()操作的是属性对象,和DOM没有关系,还是上面的例子:

$('#main').data();  

DOM的结构:


我们现在来试着添加一个属性:

$('#main').data('show-age', 12);

DOM结构没变化,不截图了,但是对于上面的自定义属性对象:


多了我们刚刚定义的showAge,而且是驼峰式。通过元素的attr是读取不到的。

css操作样式:


3、兼容性等方面

随着技术的发展,现在可以兼容所有的主流浏览器。

总结:

1、data-*为用户自定义属性,给DOM绑定用户想要的数据,方便管理。

2、通过js操作元素的dataset属性可以方便的操作定义属性,但记住驼峰式。

3、jquery的attr()方法就是标准的操作属性,data()方法就是操作与这个元素关联的对象,不反应在DOM上

4、通过css还可以定义相关的样式

Html5之自定义属性(data-,dataset) 定义 H5为我们提供了以 data- 为前缀定义需要的属性即可设置自定义属性 <div id=box1 data-name=Musk></div> <div id=box2 data-full-name=Elon></div> 获取 使用H5自定义属性对象dataset来获取 let box1 = document.getElementById('box1'); let box2 = document.getElementById('box2'); box1.dataset.name // Musk box2.dataset.fullName // Elon 立即下载

相关推荐

深入解析AutoConfigURL劫持:从注册表权限到一键修复

本文深入解析了AutoConfigURL劫持的原理,揭示其通过篡改注册表权限锁定浏览器设置的机制。文章提供了从手动修复注册表权限到使用一键修复工具的详细解决方案,并指导用户进行DNS检查与病毒查杀,以彻底根除此类顽固劫持问题。

weixin_29229989的博客 773

HTML5中的data-*属性

HTML5中的data属性

丁哒哒的博客 7500

智能座舱芯片大乱斗:高通8155 vs 联发科MT8676 vs 华为麒麟990A,谁才是性价比之王?

本文深入对比了高通SA8155P、联发科MT8676与华为麒麟990A三款主流智能座舱芯片的性能、生态与成本。文章从CPU/GPU/NPU算力、开发生态、成本模型及典型应用场景出发,分析了各自在智能座舱领域的优势与适用性,为开发者与车企选型提供了实战参考,并探讨了智能座舱芯片未来的技术趋势。

yhn456789的博客 813

HTML5 的data-* 属性(自定义属性)的用法

1、说明:点击了解更多HTML全局属性 data-* 是HTML5的新属性,用于储存页面或应用程序的私有自定义数据,平时我们往元素中储存数据都是放到元素的value中,放到value中的数据用户可以看到,如果不想让用户看到还要将元素隐藏,但是如果我们不能将元素隐藏并且value中有需要存放的值,那么我们还想额外储存一些不想让用户看到,并且对我们的一些判断或操作起到非常关键作用的数据的时候(与渲染无...

单枪匹码 3386

君正T31x metartc集成测试

metartc为国内杨大侠部分开源的一款用于嵌入式领域webrtc库,它与谷歌官方webrtc相比,编译到君正平台的可执行文件仅有5M即可实现webrtc的通信。1. 目前实现的是基于开源版v5.0-b0版本做的简单修改,官方的好几个版本都多少缺点东西,我这里给整理了一下。目前是局域网连接的webrtc,后续尝试走stun和turn试一下NAT穿越的效果。

fsmpeg的博客 3161

Qt快速读取Excel文件

网上很多读取方式都是如下形式,太慢了,打开文件+读取文件要6s以上,实在是受不了! QAxObject excel("Excel.Application"); excel.setProperty("Visible", false); QAxObject *work_books = excel.querySubObject("WorkBooks"); work_boo...

c+c++的博客 2万+

html css data-,HTML+CSS入门 HTML自定义data属性详解

本篇教程介绍了HTML+CSS入门 HTML自定义data属性详解,希望阅读本篇文章以后大家有所收获,帮助大家HTML+CSS入门。<可以在HTML标签上添加任意以"data-"开头的属性,这些属性页面上是不显示的,它不会影响到你的页面布局和风格,但它却是可读可写的。例子:testdata如何读取自定义data属性数据呢?jquery已经有现成的方法:varmyData=$(".m...

weixin_36115023的博客 1200

AI Agent开发第82课-手把手教你把paddleocr-vl做成mcp使其在DIFY里运行

本文详解如何将国产顶尖多模态 OCR 模型 PaddleOCR-VL 封装为标准 MCP(Model Calling Protocol)服务,并通过自研的 HTTP-based MCP Client 接入 Dify 1.10,实现 AI Agent 在对话中自动识别并调用 OCR 能力。该方案已在某头部保险公司真实业务流程中落地,使用了当前最先进的“Agentic AI 原生”设计思想。

打造全国最全的AI Agent开发知识领域的博客 1626

HTML5自定义属性之data-*

HTML5增加了一项新功能是自定义数据属性,也就是data-*自定义属性。在HTML5中我们可以使用以data-为前缀来设置我们需要的自定义属性,来进行一些数据的存放。当然高级浏览器下可通过脚本进行定义和数据存取。在项目实践中非常有用。 <input type="button" value="按钮" data-index="10" data-index-color="r...

weixin_30387799的博客 516

22、忆阻器、忆阻系统及其神经形态应用综述

本文综述了忆阻器与忆阻系统的理论基础及其在神经形态系统中的广泛应用。从忆阻器的基本定义出发,介绍了其在非线性电路、存储技术、通信和神经形态计算等领域的应用潜力。重点探讨了基于忆阻器的神经元模型(如Hodgkin-Huxley、FitzHugh-Nagumo和Hindmarsh-Rose模型)、突触实现方式及多种忆阻神经网络架构,包括细胞神经网络、脉冲神经网络和递归神经网络等。此外,深入分析了忆阻器在水库计算中的理论研究与硬件实现进展,展示了其在时间序列处理、模式识别和信号预测等方面的优异性能。尽管忆阻技术前

kiwi8的博客 207

简要介绍 | 雷达穿墙成像及其应用场景

本文简要介绍了雷达穿墙成像技术的原理、研究现状、挑战与未来展望,希望能为相关领域的研究与应用提供参考。具有广泛的应用前景。本文将详细介绍雷达穿墙成像的原理,以及其在不同应用场景中的实践。逆时偏移算法(Reverse-Time Migration, RTM)雷达穿墙成像技术是一种先进的遥感技术,具有。的能力,可用于探测室内目标。安全与救援、建筑结构检测等领域。雷达穿墙成像技术的核心原理是。是Green函数,表示从接收点。雷达穿墙成像及其应用场景。雷达穿墙成像及其应用场景。目标识别与定位准确性。

NLOS的博客 2233

HTML5元素的 data-* 属性详解

data-* 属性是 HTML 5 的新特性,允许用户在 DOM 中存储自定义信息。 以前,需要存储含有特定含义的信息通常是通过 class 完成的,但这并不是 class 本来的用途。现在,利用 HTML 5,可以为元素添加data-*属性,从而存储自定义信息。其中*是可以自定义的部分。例如: id="tu" data-category="Web Development" data

花2不谢 1万+

ApolloScape 数据集:YOLOv10 + UI界面实现与应用

是由百度Apollo团队发布的一个大规模自动驾驶数据集,涵盖了车辆、行人、骑行者等多种交通元素,旨在为自动驾驶技术的发展提供丰富的数据支持。数据集包含多种复杂的场景,例如城市道路、交叉口、车辆聚集等,能够帮助研究人员和开发者在多种现实环境下测试和验证目标检测模型。YOLO(You Only Look Once)系列算法是目前最流行的目标检测算法之一,因其高效、准确以及实时性强的特点被广泛应用于计算机视觉领域。YOLOv10是YOLO系列中的最新版本,在性能和效率上进行了多方面的优化。速度快。

YOLO 937

HTML5属性data-*的操作

HTML5 自定义属性data-*的操作技巧汇总

CRPER 8302

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

data-*属性_如何使用HTML5 Data- *属性构建更好的UX

您是否曾经想过将自定义数据添加到特定HTML元素,以便以后使用JavaScript访问它? 在HTML5出现在市场上之前,存储与DOM相关的自定义数据确实是大惊小怪,开发人员必须使用各种讨厌的技巧,例如引入非标准属性或使用过时的setUserData()方法来解决此问题。 。 幸运的是,您不必再这样做了,因为HTML5引入了新的全局data-*属性 ,使您可以在任何HTML元素上嵌入额外的...

cune1359的博客 566

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

html5中自定义属性data-*应用

参考:jqueryAPI文档解释 技術分享 html的data-*属性 data-* :允许你对于一个HTML元素绑定自定义的属性。 HTML5 中的 data-* attribute 屬性 <div id="slider" data-type="slideShow"> <img class='photo' data-item="1" data...

u012183426的博客 633

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")

HTML5中的data-*属性和jQuery中的.data()方法使用

HTML5中的data-*属性 我们往往会根据需要在HTML标记上添加自定义的属性来存储和操作数据,我们自定义的属性名字也千奇百怪,五花八门。我们可以通过原生的getAttribute()或jQuery中的.attr()来获取我们自定义的属性。但是HTML在向着规范化和标志前进。在HTML5标准规定,自定义的属性都已data—*开头,这样就区分开了固有属性和自定义属性。HMTL代码如下: 测试

fly_zxy的专栏 4万+

html标签属性中加data,HTML 5 的data-* 自定义属性

HTML 5?增加了一项新功能是?自定义数据属性?,也就是??data-*?自定义属性。在HTML5中我们可以使用以?data-?为前缀来设置我们需要的自定义属性,来进行一些数据的存放。当然高级浏览器下可通过脚本进行定义和数据存取。在项目实践中非常有用。例如:使用attribute方法存取?data-*?自定义属性的值使用attributes方法存取?data-*?自定义属性的值非常方便:// 使...

weixin_28795975的博客 406

HTML 5 的data-* 自定义属性

HTML 5增加了一项新功能是自定义数据属性,也就是data-*自定义属性。在HTML5中我们可以使用以data-为前缀来设置我们需要的自定义属性,来进行一些数据的存放。当然高级浏览器下可通过脚本进行定义和数据存取。在项目实践中非常有用。 例如 <div id = "user" uid = "12345" uname = "愚人码头" > </d...

a13520165516的博客 165

HTML5 data-* 自定义属性

在jQuery的attr与prop提到过在IE9之前版本中如果使用property不当会造成内存泄露问题,而且关于Attribute和Property的区别也让人十分头痛,在HTML5中添加了data-*的方式来自定义属性,所谓data-*实际上上就是data-前缀加上自定义的属性名,使用这样的结构可以进行数据存放。使用data-*可以解决自定义属性混乱无管理的现状。 读写方式 data-*有...

hsany330的专栏 208

html5 data 属性,详解HTML5 data-* 自定义属性

在jQuery的attr与prop提到过在IE9之前版本中如果使用property不当会造成内存泄露问题,而且关于Attribute和Property的区别也让人十分头痛,在HTML5中添加了data-*的方式来自定义属性,所谓data-*实际上上就是data-前缀加上自定义的属性名,使用这样的结构可以进行数据存放。使用data-*可以解决自定义属性混乱无管理的现状。读写方式data-*有两种设置...

weixin_36064575的博客 576

js,jQuery获取html5的data-*属性

data-*自定义数据属性 HTML5规定可以为元素添加非标准型的属性,只需要添加前缀data-,这些属性可以随意添加,命名,目的是为元素提供与渲染无关的信息,或提供语义信息。 js获取data-*的方式 通过dataset属性访问 //HTML代码 <div id="myDiv" data-appid="123" data-myname="lsxj"></div>...

webeliveyou的博客 358

浅谈HTML5的新特性——data-*自定义属性

HTML5增加了一个新特性——data-*自定义属性。 可以往HTML标签上添加任意以 "data-"开头的属性,这些属性在页面上是不显示的,即不会影响到页面布局和风格,但它却是可读可写的。 使用data-*自定义属性可以解决自定义属性混乱无管理的现状。 1、getAttribute()和setAttribute()方法存取传统的自定义属性的值 var username = doc

筱葭的博客 4801

HTML5中 data-*属性的实际用途

这篇文章 适用于还在使用二代框架(JQ 、zepto)等框架开发的人员~~有些时候我们在做分页展示的时候后台会给我们一个JSON数组比如这样的数据[ { "activityId": "ACT_JAN_INVITE", "name": "aaa", "id": 6679, "jul2017Id": 0, "stat

a1178013314的博客 8962

js,jQuery获取html5的data-*属性

data-*自定义数据属性HTML5规定可以为元素添加非标准型的属性,只需添加前缀data-,这些属性可以随意添加,随意命名,目的是为元素提供与渲染无关的信息,或提供语义信息。js获取data-*的方式通过dataset属性访问//HTML代码 &lt;div id="myDiv" data-appid="123" data-myname="lsxj"&gt;&lt;/div&gt;//js代...

iBenxiaohai123的博客 519
上一篇: javascript——百变创建对象
下一篇: 文字图片垂直居中
雨中畅游
博客等级 码龄10年 100粉丝 49原创
评论 1
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