- 博客(1097)
- 收藏
- 关注
RSS订阅原创 在大数据处理浪潮中崭露头角：利用 Python 生成器优化内存占用
生成器是一种特殊的迭代器，它通过惰性计算（即按需生成数据）来节省内存。与一次性将所有数据加载到内存中的传统方法不同，生成器仅在需要时才会计算并返回数据，显著降低了内存占用。生成器的两种创建方式：使用yield通过函数定义生成器，yield会返回一个值并暂停函数的执行状态。yield 1yield 2yield 3print(value) # 输出 1, 2, 3类似于列表推导式，但以小括号包裹，返回生成器对象。
2025-04-05 07:15:00
5
原创 利用 `weakref` 模块优化缓存设计：内存高效与内存泄漏的优雅解决方案
weakref模块为我们在缓存设计中提供了强大的支持，通过弱引用有效解决了内存泄漏问题。在实际项目中，灵活使用等工具，不仅能提升缓存系统的效率，还能避免繁琐的内存管理操作。希望这篇文章能帮助您更好地理解weakref的魅力，并在项目中打造高效、优雅的缓存解决方案。您的项目中有哪些缓存设计难题？欢迎在评论区交流，我们一起探讨！
2025-04-05 07:00:00
7
原创 深入探索 Python 垃圾回收机制：引用计数与分代收集的本质与挑战
通过引用计数与分代收集的配合，Python 构建了一个灵活而高效的垃圾回收体系。然而，这两种机制并非完美，循环引用与性能开销仍然是开发者需要面对的挑战。在实际开发中，合理利用gc模块，优化代码结构，并关注性能监控，能够有效避免内存问题，为项目带来更高的稳定性与可靠性。在您的实际开发中，是否遇到过与内存管理相关的问题？欢迎在评论区分享您的经验与解决方案，我们一起探讨如何实现更高效的 Python 编程！
2025-04-04 07:42:22
83
原创 解锁 Python 多线程的潜力：全局解释器锁（GIL）深度解析与优化之道
全局解释器锁（GIL）尽管限制了 Python 在多线程场景下的性能，但并不意味着我们无法实现高效的并发编程。通过多进程、C 扩展、异步编程等手段，我们可以在不同场景下绕过 GIL 的束缚，从而最大化程序性能。Python 的魅力不仅在于其简洁易用，更在于它的灵活与无限可能。希望通过本文的解析，您能在实际项目中更好地理解和利用 GIL 的优势与限制，迈向高效编程的新高度。在您的项目中，是否曾遭遇 GIL 带来的性能瓶颈？如何优化？欢迎在评论区分享您的经验与看法！
2025-04-04 07:40:24
11
原创 Python 数据科学实战指南：从零开始构建高效分析流程
NumPy：高效的数值计算，支持多维数组和矩阵运算。Pandas：处理表格数据的利器，支持数据清洗和转换。Matplotlib 和 Seaborn：创建静态图表，适合可视化探索。：机器学习工具库，涵盖分类、回归及聚类算法。：统计分析工具，支持复杂的回归和时间序列分析。通过本文，我们系统地探索了 Python 在数据科学中的实战技巧，包括数据清理、分析、可视化以及机器学习模型的应用。希望这篇文章能为你的数据科学之旅提供切实可行的指导！那么，你对数据科学方向的应用还有哪些困惑或想法？
2025-04-03 06:25:13
934
原创 全面解锁 Python 的力量：从新手入门到专家进阶的实战之路
Python 是一门集易用性与强大功能于一体的语言，从日常脚本到高性能计算，无所不在。希望通过本文，您能掌握从基础到高阶的技能，并敢于尝试更多实战项目。那么，您的下一步目标是利用 Python 做些什么？欢迎在评论区分享！这篇博文通过从基础到前沿的讲解，全面展示了 Python 的魅力和潜力。希望它能启发读者，激发学习与实践的热情。
2025-04-03 06:22:24
1250
原创 Python 奥秘全解析：从语法基础到实战进阶，一站式深度探索
本文从 Python 的语法基础、核心数据结构与控制流程讲起，逐步深入函数、面向对象编程、元编程、上下文管理器、生成器以及异步编程等高级主题，并结合实际项目案例剖析了自动化任务调度系统的实现过程。可以看到，无论是编写简洁优雅的代码，还是应对复杂应用场景，Python 都能为开发者提供一整套高效的解决方案。更重要的是，学习 Python 不仅仅是掌握一门语言，更是一种编程思想的锤炼与沉淀。只有持续学习和实践，我们才能真正体验到智能时代带来的技术红利与变革力量。
2025-04-03 06:20:26
975
原创 解锁开源代码的宝藏：如何阅读与理解优秀的 Python 开源项目
通过本文的分享，我们从如何选择优秀的开源项目、构建阅读计划，到逐步剖析 Requests 这一典型项目的代码结构，认识到了优秀开源代码中蕴含的设计智慧和工程规范。无论你是初学者，还是已经在项目中摸爬滚打多年的开发者，都能从中学到如何优雅地编写代码、如何高效地解决问题以及如何通过良好的工程实践提高项目质量。你有没有正在关注或者热衷的 Python 开源项目？在阅读过程中遇到了哪些令你印象深刻的设计模式或者编程技巧？在日常开发中，你如何将从开源社区学到的最佳实践应用到自己的项目中？
2025-04-02 06:25:07
1262
原创 从零开始打造你的 To-Do List 应用：一站式实践指南
在本篇文章中，我们通过搭建一个小型的 To-Do List 应用，实践了 Python 开发的完整流程。从需求分析到功能实现再到优化迭代，这个过程不仅可以帮助初学者熟悉 Python 开发，同时也为资深开发者提供一个反思与改进实践的机会。你的下一个计划是什么？如何利用 Python 实现它？欢迎在评论区与大家一起交流。
2025-04-02 06:23:15
623
原创 使用 Python 编写自动化脚本：从任务解放双手到全场景优化
在本文中，我们从文件操作和数据备份的基础任务开始，逐步扩展到更复杂的自动化场景。通过代码示例和实践建议，相信您已经掌握了自动化脚本编写的核心技巧。
2025-04-01 06:23:19
687
原创 *构建一个机器学习模型并部署到 Web 应用：从模型训练到全栈整合
通过本文，您学习了从训练机器学习模型到构建并部署一个 Web 应用的完整流程。Python 的灵活性和强大的工具生态，使得这个过程快速、高效且可扩展。
2025-04-01 06:21:37
706
原创 高效异步处理：用 Python 与 Redis/RabbitMQ 实现简单任务队列
RabbitMQ 是一款功能强大的消息代理，基于 AMQP 协议。Exchange：路由消息的入口，根据一定规则将消息转发到对应队列。Queue：存储消息的队列，消费者从此取出消息执行任务。Binding：Exchange 与 Queue 之间的绑定规则。| Queue |基础知识回顾：Python 基础语法、数据结构、面向对象编程，以及网络通信的基本概念。Redis 实现：如何使用 Redis 的 List 结构作为消息队列，通过RPUSH与LPOP。
2025-03-31 07:00:00
13
原创 Python 缓存系统全景解析：基于 Redis 与 Memcached 构建高效缓存解决方案
Redis 是一个基于内存的数据结构存储系统，支持字符串、列表、哈希、集合等多种数据类型。其高性能、持久化机制以及丰富的操作命令，使其成为开发高效缓存系统的首选工具。Redis 内置的过期机制和数据淘汰策略（如 LRU、LFU）进一步提高了系统的灵活性和稳定性。Memcached 是一款开源、高性能的分布式内存对象缓存系统，其主要用于加速动态 Web 应用，通过存储数据库查询结果或计算结果，在下一次请求中直接返回缓存数据，从而大幅提高响应速度。
2025-03-31 07:00:00
201
原创 《深入探索 Python 数据分析：用 Pandas 高效处理与可视化大型数据集》
通过本文，你学习了如何使用 Pandas 和其他工具高效处理大型数据集，从数据清洗到探索性分析，再到可视化展示，形成了完整的流程。掌握这些技能后，你可以快速为数据驱动的决策提供支持。未来，随着数据量不断增长，我们或许会看到更多分布式计算框架（如 Dask 和 PySpark）的应用。同时，结合机器学习技术，将数据分析提升到预测性分析的高度，是你可以深入探索的方向。数据分析的道路永无止境。你有哪些心得或者问题？欢迎在评论区分享，我们一起交流学习！📊。
2025-03-30 07:42:50
501
原创 《手把手教你用倒排索引技术构建一个简易搜索引擎》
倒排索引（Inverted Index）是一种常用于文本检索的核心数据结构。顾名思义，它把单词和文档的关系“倒过来”，为每个单词维护一张“文档列表”。这意味着，当用户输入关键词时，可以快速定位到相关文档，而无需扫描所有内容。举个简单的例子：构建一个简单的搜索引擎并不难，但它背后蕴含的技术却十分强大。本文通过 Python 实现了一个倒排索引的简易搜索引擎，同时展示了如何优化其功能。无论是对初学者还是资深开发者，这都是一个实践数据结构与算法、深入理解文本处理的好案例。
2025-03-30 07:40:12
90
原创 深入剖析16位海明解码电路设计：原理、实现与优化
海明码最早由理查德·海明（Richard Hamming）提出，利用冗余校验位构造出满足特定线性关系的编码，主要实现单比特错误的检测与自动纠正。对于标准海明码，其码字长度满足：其中，m 为数据信息位数，r 为校验位数。通常情况下，常用的海明码如 (15, 11) 码（11 个数据位，4 个校验位）便可满足设计要求。
2025-03-29 14:58:44
351
原创 STL性能优化实战：如何让C++程序畅快运行
STL作为C++标准库的重要组件，包含了大量常用的数据结构和算法。虽然STL极力追求通用性和可复用性，但有时默认实现并非最优。例如，在频繁进行内存分配的小对象使用中，容器如std::list的动态扩容会带来额外开销；再比如在算法调用上，不恰当的传值与拷贝也会严重影响效率。因此，如何在保证代码简洁与可维护性的同时，挖掘STL的性能潜力成为每一个C++开发者必须面对的问题。STL所有容器都依赖于默认的内存分配器，而频繁的分配与释放往往成为性能瓶颈。
2025-03-29 14:55:01
575
原创 《打造更简洁、更安全的代码：上下文管理器在 Python 开发中的核心角色》
在 Python 中，`with` 语句和上下文管理器是一种强大的工具，用于简化资源管理，确保在使用后自动释放资源，例如文件、网络连接、数据库连接等。以下是如何使用它们的详细介绍。
2025-03-28 07:15:00
260
原创 《深入浅出 Python 迭代器与生成器：原理解析与实战应用》
迭代器与生成器以其强大的灵活性和高效性，成为 Python 核心的组成部分。从理论理解到实际应用，掌握它们可以显著提升代码性能和可维护性。希望读者在掌握原理的基础上，通过实战不断深入，并将其应用于更复杂的开发场景。你在使用生成器时，是否遇到过难以 debug 或效率瓶颈的问题？欢迎留言讨论！
2025-03-28 07:00:00
618
原创 玩转网络数据：用 Python 实现简单 Web 爬虫的全景实战指南
requests是 Python 中最常用的 HTTP 请求库，其使用简单、功能强大，可以快速实现 GET、POST、PUT、DELETE 等网络请求。print("请求成功")print(response.text[:500]) # 打印部分网页内容else:print("请求失败，状态码:", response.status_code)背景与意义阐述了 Python 在数据抓取领域的优势及爬虫的重要应用场景。核心模块解读详细介绍了requests与。
2025-03-27 07:00:00
327
原创 用 Python 构建简单聊天室：Socket 与 Websockets 实战全解析
聊天室核心在于网络通信。传统的 Socket 编程与近年来流行的 Websockets 技术各有优势，本文将逐一讲解它们的实现细节。Socket 是网络编程中最基础的接口，利用 TCP 协议可以实现基于连接的可靠通信。聊天室系统中，服务器负责监听客户端请求，接受多个并发连接并转发消息；客户端则连接服务器，发送和接收消息。| (监听端口 8888) || | |服务器充当消息中转站，每当有客户端发送消息，服务器就将消息广播到所有连接的客户端。
2025-03-27 07:00:00
175
原创 解锁 Python 设计模式：从单例到观察者的全景实战与最佳实践
设计模式可以分为三大类：创建型、结构型和行为型。单例模式（Singleton Pattern）确保一个类只有一个实例，并提供全局访问点。适用于数据库连接、配置管理等场景。工厂模式（Factory Pattern）提供创建对象的接口，但不暴露对象创建的具体逻辑。通过工厂方法来生成对象，便于后期扩展与修改。观察者模式（Observer Pattern）定义对象之间的一对多依赖关系，当一个对象状态发生变化时，其相关依赖对象会收到通知并自动更新。常用于事件驱动系统、发布订阅机制中。
2025-03-26 06:04:06
154
原创 Python 高效代码优化：从数据结构到算法实践的全方位探讨
本文从基础数据结构的选择、控制流优化、内置函数与标准库的巧妙利用、缓存与装饰器实践等多个方面展开，详细介绍了 Python 代码优化的常用技巧。选择合适的数据结构：合理利用列表、元组、字典、集合与生成器表达式，为后续操作打下高效基础。算法优先：在解决问题前先思考算法的时间复杂度，避免因低效算法而导致性能瓶颈。借力内置与第三方库：使用内置函数、Counter、以及 Numba、Cython 等工具，快速将性能精益求精。并发与异步：针对 I/O 密集型任务，通过多线程、多进程或异步编程技术，实现显著加速。
2025-03-26 05:55:41
19
原创 秒变极致性能：揭秘 Python JIT 编译及 PyPy 实战探索
PyPy 是 Python 的一种实现版本，其最显著的特点便是在运行时使用 JIT 编译技术。与 CPython 相比，PyPy 能够显著提升代码执行速度，尤其是在数值计算、循环密集型任务等场景中表现出色。此外，PyPy 还致力于内存管理的优化，使得内存占用更低、垃圾回收更高效。主要优势性能提升：在某些测试中，PyPy 的执行速度可达 CPython 的 4～10 倍。兼容性：大部分纯 Python 代码可以直接在 PyPy 上运行，无须修改代码。内存优化。
2025-03-26 05:52:41
18
原创 解锁 Python 设计模式奥秘：从单例到工厂，再到观察者模式的实战解析
设计模式作为软件工程领域的经典理念，由“四人帮”（GoF）在《设计模式：可复用面向对象软件的基础》一书中系统总结。这些模式给出了可重用、经典的设计经验，帮助开发者解决常见问题，提高代码的复用性和扩展性。对于 Python 开发者来说，尽管其动态语言特性能让我们写出简洁、灵活的代码，但在项目规模扩大和需求复杂化的情形下，依然需要借助结构化的设计模式来规范代码结构、降低耦合度。本文将介绍三种常见模式：单例、工厂和观察者，通过具体的代码实现和实例演示，让你在实践中感受设计模式带来的强大力量。
2025-03-25 07:15:00
18
原创 Python 性能提升秘籍：掌握高效数据结构与算法优化技巧
Python 自诞生以来，就以其语法清晰、易于维护而备受推崇。无论是初学者的“Hello World”，还是企业级应用系统，都能看到 Python 的身影。凭借着“胶水语言”般的适应性，Python 在整合多种语言间发挥着重要作用。然而，其解释型语言特性——执行每行代码时都需经过解释器的逐条翻译，使得在处理大量数据、深度递归或者频繁计算时，常常会暴露性能瓶颈。为什么要深入优化代码？提高运行效率：尤其在数据量大和算法复杂的场景下，优化后的代码能大幅缩短响应时间。降低资源消耗。
2025-03-25 07:00:00
513
原创 Android Studio常见问题全解析：从安装到调试的实践指南
本文从基础配置、项目结构、Gradle 同步、编译构建、调试模拟器到性能优化与插件管理等多个方面，系统性地介绍了 Android Studio 开发过程中常见的几大类疑难问题及其应对措施。正如开发过程中不断碰到的新问题和技术迭代，我们也需要保持不断学习和适时调整的心态，才能始终走在高效开发的前沿。Android Studio 与 Gradle 的更新频率较高，官方文档、博客、论坛和 GitHub Issue 都是获取最新优化方案的重要渠道。
2025-03-25 06:13:34
560
原创 Multisim常见问题解析与解决指南
通过本文详尽的指导，相信您能轻松解决在使用Multisim过程中遇到的各种疑难问题。作为一款专业的电路仿真工具，Multisim的功能不断更新，用户也需持续学习以掌握新技术。如果您在实际操作中有任何进一步的问题，欢迎分享您的经验，我们可以一起探索更高效的解决方案！希望这篇文章能为您的工作带来实用帮助！如果有进一步需求或建议，请随时告诉我！😊。
2025-03-25 06:08:35
757
原创 解密 PyPy：探寻 JIT 编译器如何给 Python 加速
JIT（Just-In-Time）编译器是一种在程序运行时动态将代码编译为机器码的技术。与传统的静态编译（如 C/C++ 编译器在编译阶段就生成可执行文件）不同，JIT 编译的核心在于在运行过程中发现热点代码（即执行频率较高的部分），将这些代码进行编译优化，从而极大地缩短解释运行的时间。通过本文，我们深入探讨了 JIT 编译器的基本概念和原理，重点剖析了 PyPy 作为高性能 Python 实现的工作机制。
2025-03-24 07:15:00
23
原创 解锁 Python 极速潜能：用 Cython 编译成 C 代码实现性能飞跃
Cython 是一种静态编译语言，它允许你在 Python 语法的基础上，添加 C 语言的静态类型声明，并将代码编译成高效的 C 代码。性能提升：将关键代码编译为 C 后，能在循环、数值运算等方面获得显著加速。与 Python 兼容：Cython 的代码文件（后缀.pyx）混合了 Python 和 C 的语法，可以逐步优化现有 Python 项目。易于调用 C/C++ 库：利用 Cython 可以方便地封装现有的 C/ C++ 库，为 Python 提供高性能接口。
2025-03-24 07:00:00
269
原创 C语言加速之道：编写高性能 Python 扩展实战指南
Python 以其动态特性、丰富的第三方库和简单的语法在开发领域占据了不可替代的位置。遗憾的是，这种灵活性背后常常伴随着性能瓶颈，尤其在那些需要大量数值计算和数据处理的场景中。例如，计算斐波那契数列、矩阵运算或对大规模数据进行扫描和筛选时，纯 Python 代码受限于解释型语言的性能欠缺，而用 C 语言编写低级模块则能够实现数倍甚至数十倍的性能提升。通过学习如何编写 Python 扩展模块，你不仅能够理解 Python 与底层 C 语言之间的交互机理，还能在实际项目中使关键计算部分获得显著加速。
2025-03-23 07:17:34
95
原创 正则艺术：深入探讨高级语法——零宽断言与反向引用实战
正则表达式（Regular Expressions）起源于上世纪 60 年代，作为一种模式匹配工具，它极大地改变了编程生态。如今，无论是 Python、Java、JavaScript 还是其他主流编程语言，都对正则表达式提供了原生支持。其语法简洁而优雅，使得开发者可以利用少量代码实现对复杂文本的高效处理。Python 的re模块将正则表达式的强大功能表达得淋漓尽致。很多初学者在使用正则表达式时，往往学习基础的字符匹配和简单的量词，但欲要应对复杂场景，仅靠基础已难以满足需求。
2025-03-23 07:15:45
138
原创 探索编程艺术：解锁Python进阶与现代编程技术
技术世界如同一幅宏大的画卷，在不断涌现的新工具与新思维中，每一位开发者都能找到自己的艺术表达。借助这篇博文，我不仅希望能为同道中人提供实用的技术指南，更期待能与大家共探编程背后的深层哲学与创意力量。此次参加优快云创作挑战赛，是我书写自我成长故事的一次尝试。愿所有热爱写作和编程的同学们，能在这场挑战中找到无穷的激情与灵感，共同书写属于我们的技术传奇！
2025-03-22 07:10:39
480
原创 全面解锁Python高级技术：让代码更智能、更高效
在现代编程领域，Python因其简洁的语法和强大的库生态，成为了众多开发者的首选语言。然而，真正的Python高手不仅仅会写代码，更会善于运用语言的高级特性，提高开发效率，解决复杂问题。在这篇VIP文章中，我们将探索Python中的一些鲜为人知却极为实用的高级技术，助您成为真正的代码大师。通过深入学习这些高级技术，我们不仅能写出更高效、更智能的代码，还能让代码更加简洁优雅。元编程是Python的一项强大功能，可以让代码像数据一样被处理。通过装饰器，我们可以将复杂的功能封装在简单的语法中，使代码更具可读性。
2025-03-22 07:07:25
307
原创 《深入剖析 Python 描述符：手把手实现属性的 getter、setter 与 deleter 方法》
通过本文的介绍，我们了解了 Python 描述符的基本原理及其工作机制，并通过多个实例实践了如何用描述符实现属性的 getter、setter 和 deleter 方法，从简单的日志输出到数据验证，再到将数据存储在实例字典中，全面展示了描述符的灵活运用。解耦与复用描述符使得属性管理逻辑与核心业务代码分离，极大地方便了代码的维护和复用，对大规模项目尤为有益。灵活与可扩展通过对__get____set____delete__
2025-03-22 07:00:00
19
原创 侯捷 C++ 课程学习笔记：深入掌握 C++ 高阶特性 —— 实践与心得分享
侯捷老师作为 C++ 领域的权威专家，被誉为 C++ 教育界的“点金之手”。他的系列课程内容覆盖了 C++ 的诸多方面，从内存管理、对象模型，到 STL 与高阶编程技巧，再到多线程及并发编程，每个章节都紧扣实际应用。我参加该系列课程已有数月时间，通过不断实践、复习与代码调试，我不仅夯实了 C++ 基础，更掌握了许多高级特性，使我的开发思路焕然一新。本次学习笔记征文活动不仅是一种知识分享，更是对自身编程技能的一次总结和升华。下面，我将从十个经典案例出发，详细解析课程中提到的重要知识点与实际应用经验。
2025-03-22 06:58:57
1147
原创 蓝桥杯算法实战分享：十大经典案例助你突破编程瓶颈
蓝桥杯的历年真题不仅考验选手的技术功底，更是一场对编程思维的全方位锤炼。从最长回文子串到多维背包，从二分查找的变形到最短路径、从 KMP 到并查集，每个案例都蕴含着算法之美。在备赛和日常编码实践中，花时间深度解析这些经典题目，将为你构筑坚实的技术根基，助你在各种复杂应用场景中游刃有余。希望这篇博客能够为正在奋斗在算法道路上的你提供一些启发和帮助。记住，编程和算法的学习永无止境，只要持续投入、勤于实践，总能在不断的挑战中突破自我。祝愿大家在蓝桥杯以及未来的编程之路上，都能迎来属于自己的辉煌时刻！
2025-03-22 06:56:03
1152
原创 《Python 深度元编程实战：元类与装饰器动态改变类与函数行为的秘密武器》
元编程就是编写能操作自身结构（如类、函数、模块）的程序。简单来说，它允许开发者在程序运行时动态地修改类、函数的定义或行为。借助元编程，我们可以实现很多高级功能，例如自动注册、权限校验、日志记录、缓存优化、依赖注入等。元类（Metaclass）通过元类，我们可以在类创建时动态修改类的构建过程，甚至决定类的继承结构与行为。默认情况下，Python 的类由内置的type元类构建，但我们可以自定义元类来实现自动化注册、属性自动赋值等需求。装饰器（Decorator）
2025-03-22 06:45:00
16
原创 《自动化开发之路：使用 Jenkins、GitLab CI 与 GitHub Actions 构建高效 CI/CD 流水线》
在现代软件开发中，持续集成（CI）与持续部署/交付（CD）已成为必不可少的实践。构建自动化流水线不仅可以加快开发迭代速度，还能显著提升代码质量，降低手工操作所带来的风险。在这篇文章中，我们将探讨如何利用三种主流工具——Jenkins、GitLab CI 以及 GitHub Actions，实现从代码构建、自动化测试到自动部署的全流程自动化。无论你正在开发 Python 应用、Web 后端，或是多语言混合的系统项目，都能从本文中找到实践经验和操作细节。
2025-03-21 05:56:33
259
原创 Python 应用部署云端实战指南 —— AWS、Google Cloud 与 Azure 全解析
本文从项目准备、代码打包、平台选择、具体操作步骤到自动化流水线等多个角度，详细介绍了如何将 Python 应用部署到 AWS、Google Cloud 与 Azure 等云平台。在每个平台的部署中，我们既看到了各自提供的便捷工具（如 EB CLI、Zappa、gcloud CLI 以及 Azure CLI），也体会到无服务器架构、容器化技术与 CI/CD 流程在现代研发中的重要作用。Ongoing 维护与不断优化代码、依赖管理和云平台配置，能更好地保证应用的稳定性、扩展性与安全性。
2025-03-21 05:54:40
425
Apache Tomcat 安装与配置详解.zip
2025-03-03
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人