爬虫天津链家二手房数据（requests + BeautifulSoup）

最新推荐文章于 2024-09-21 22:13:08 发布
最新推荐文章于 2024-09-21 22:13:08 发布
阅读量784 收藏 6
点赞数 1
分类专栏： 数据分析 文章标签： python 数据挖掘 数据分析 爬虫
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/little_yuan20/article/details/114685814
版权

所有代码与解析

爬取天津链家各个房屋的数据

数据量很多，建议先改一下试一试在完全爬下来。

# -*- coding: utf-8 -*-
"""
Spyder Editor

This is a temporary script file.
"""

#导包
import re
import requests
import pandas as pd
from bs4 import BeautifulSoup
from datetime import datetime
from requests.packages.urllib3.exceptions import InsecureRequestWarning
requests.packages.urllib3.disable_warnings(InsecureRequestWarning)


#链家网站的区分类，后面的数字是每个对应分区的总页数


url ='''https://tj.lianjia.com/ershoufang/heping/ 100,
https://tj.lianjia.com/ershoufang/nankai/ 100,
https://tj.lianjia.com/ershoufang/hexi/ 100,
https://tj.lianjia.com/ershoufang/hongqiao/ 100,
https://tj.lianjia.com/ershoufang/xiqing/ 100,
https://tj.lianjia.com/ershoufang/beichen/ 100,
https://tj.lianjia.com/ershoufang/dongli/ 100,
https://tj.lianjia.com/ershoufang/jinnan/ 100,
https://tj.lianjia.com/ershoufang/tanggu/ 100,
https://tj.lianjia.com/ershoufang/kaifaqutj/ 52,
https://tj.lianjia.com/ershoufang/wuqing/ 100,
https://tj.lianjia.com/ershoufang/binhaixinqu/ 100,
https://tj.lianjia.com/ershoufang/baodi/ 100,
https://tj.lianjia.com/ershoufang/jizhou/ 69,
https://tj.lianjia.com/ershoufang/haihejiaoyuyuanqu/ 43,
https://tj.lianjia.com/ershoufang/jinghai/ 26
'''


    
    
def get_urls(urli,n):
    '''
    功能：分页网址url采集
    n:页面参数
    urli:网址
    结果：得到分页网址list
    '''
    lst = []
    for page in range(1,n):
        ui = urli+'pg'+'%i'%page
        lst.append(ui)
    return lst



    

#解析页面
def get_dataurls(ui,d_h,d_c,ips):
    '''

    Parameters
    ----------
    ui :    分页网址.
    d_h :  user-agent信息.
    d_c :  cookies信息

    Returns
    -------
    列表网址.

    '''
    try:
        ri = requests.get(url=ui,headers = d_h, cookies = d_c,proxies=ips,timeout = 3)
    except:
        try:
            ri = requests.get(url=ui,headers = d_h, cookies = d_c,proxies=ips,timeout = 3)
        except:
            print('request failed 2 times')
    #访问页面
    soupi = BeautifulSoup(ri.text,'lxml')
    ul = soupi.find('ul',class_="sellListContent")
    lis = ul.find_all('li')
    lst = []
    for li in lis:
        lst.append(li.find('a')['href'])
    return lst
#获取数据
def get_data(ui,d_h,d_c,ips):
    '''
    

 Parameters
    ----------
    ui :    分页网址.
    d_h :  user-agent信息.
    d_c :  cookies信息


    '''
    try:
        proxies = None
        ri = requests.get(url = ui, headers = d_h, cookies = d_c, verify=False, proxies=ips, timeout=3)
    except:
    # logdebug('requests failed one time')
        try:
            proxies = None
            ri = requests.get(url = ui, headers = d_h, cookies = d_c, verify=False, proxies=ips, timeout=3)
        except:
            # logdebug('requests failed two time')
            print('requests failed two time')
    

        
    
    
    
    soupi = BeautifulSoup(ri.text,'lxml')
    dic = {}#空字典存储数据
    dic['房名'] = soupi.find('div',class_="title").h1.text   
    dic['总价'] = soupi.find('span',class_="total").text + soupi.find('span',class_="unit").text
    dic['单价'] = soupi.find('span',class_="unitPriceValue").text
    dic['户型'] = soupi.find('div', class_="room").div.text
    dic['朝向'] = soupi.find('div',class_="type").div.text
    dic['面积'] = soupi.find('div',class_="area").div.text
    dic['小区名称'] = soupi.find('div',class_="communityName").a.text
    dic['所在区域'] = soupi.find('span',class_="info").text
    infors = soupi.find('div',class_="introContent").text
    
    s = re.sub(r' +','',infors)
    dic['挂牌时间'] = re.search(r'挂牌时间\d+-\d+-\d+', s).group(0)
    position = re.search(r"resblockPosition:'([\d.]+),([\d.]+)'",ri.text)
    
    return dic
   
   

#这个如果遇见反爬虫网站可以设置动态IP，一小时一块钱吧，搜索阿布云即可
#使用方法可以看他们的文档
def get_proxies(p_User,p_Pass,p_Host,p_Port):
    '''
    生成动态ip函数
    Parameters
    ----------
    p_Usermp_Pass :
        设置代理服务器.
    p_Host,p_Port : 
        代理服务器验证信息

    Returns
    -------
    ip
    
    '''
    proxyMeta = "http://%(user)s:%(pass)s@%(host)s:%(port)s" % {
        "host" : p_Host,
        "port" : p_Port,
        "user" : p_User,
        "pass" : p_Pass,
    }
    ips = {
        "http"  : proxyMeta,
        "https" : proxyMeta,
    }
    return ips

    

    
if __name__ == "__main__":
    #设置爬取多少页
    
    url_lst = url.strip().split(',')
    url_u = []
    for str in url_lst:
        url_u.append(str.split(' '))
    ip_dic = None
    #设置代理ip
    # 123 为你花了钱之后给你的密钥
#    ip_dic = get_proxies('123',
#                         '123',
#                         'http-dyn.abuyun.com',
#                         '9020') 

    urllst1 = []
    #获取分页网址
    for url_p in url_u:
        lst_test = get_urls(url_p[0],int(url_p[1]))
        urllst1.extend(lst_test)

    #u1 = urllst1[0]
    #设置登录信息
    #dic_h 和cookies如何设置见图片
    dic_h = {''User-Agent':''}
    dic_c = {}
    cookies = ''' '''
    for i in cookies.split('; '):
        dic_c[i.split('=')[0]] = i.split('=')[1]
        #获取agent cookies
        
    urllst2 = []

#得到每个房子的网址
    for u in urllst1:
        try:
            urllst2.extend(get_dataurls(u, dic_h, dic_c,ip_dic))
            print('成功采集页面信息，成功采集%i条数据' %(len(urllst2)))
        except:
            print('获取页面信息失败，分页网址位:',u)
       # print(urllst2)  
      
#获取信息  
    errorlst = []    
    datalst = []
    for u in urllst2:
        try:
            datalst.append(get_data(u,dic_h,dic_c,ip_dic))
            print('数据采集成功，总共采集%i条数据' %len(datalst))
        except:
            errorlst.append(u)
            print('采集数据失败，失败网址为',u)


    for u in errorlst:
        try:
            datalst.append(get_data(u,dic_h,dic_c,ip_dic))
            print('数据采集成功，总共采集%i条数据' %len(datalst))
        except:
            errorlst.append(u)
            print('采集数据失败，失败网址为',u)

    data = datalst
    print(12345)    
    datadf = pd.DataFrame(datalst)
	//注意改下路径
    datadf.to_excel(r'F:\I_love_learning\junior\数据挖掘与数据仓库\课程设计\dataultra.xlsx')
 #   pd.DataFrame(errorlst).to_excel(r'F:\I_love_learning\junior\数据挖掘与数据仓库\课程设计\errorlst.xlsx')
 #   data_room.to_excel(r'F:\I_love_learning\junior\数据挖掘与数据仓库\课程设计\dataroom.xlsx')
'''
ui = 'https://tj.lianjia.com/ershoufang'
ri = requests.get(url=ui,headers = dic_h, cookies = dic_c)
position = re.search(r"resblockPosition",ri.text)
'''

如何获取代码中的dic_h 和 cookies（注意都要是字符串）
去官网注册一个账号
然后刷新一下，右键检查，选择network

在这里插入图片描述

然后下拉
在这里插入图片描述
user_agent就是我们的dic_h,注意写成字典，
cookies是在这里插入图片描述
全复制下来即可

爬取天津链家各个小区单价的数据

同样的，注意改下写excel的路径和登录信息。

# -*- coding: utf-8 -*-
"""
Spyder Editor

This is a temporary script file.
"""


import re
import requests
import pandas as pd
from bs4 import BeautifulSoup
from datetime import datetime
from requests.packages.urllib3.exceptions import InsecureRequestWarning
requests.packages.urllib3.disable_warnings(InsecureRequestWarning)
#天津链家小区数据的网址，后面是总页数
url ='''https://tj.lianjia.com/xiaoqu/heping/?from=recpage1 23,
https://tj.lianjia.com/xiaoqu/nankai/?from=recpage1 25,
https://tj.lianjia.com/xiaoqu/hexi/?from=recpage1 23,
https://tj.lianjia.com/xiaoqu/hebei/?from=recpage1 17,
https://tj.lianjia.com/xiaoqu/hedong/?from=recpage1 19,
https://tj.lianjia.com/xiaoqu/hongqiao/?from=recpage1 11,
https://tj.lianjia.com/xiaoqu/xiqing/?from=recpage1 17,
https://tj.lianjia.com/xiaoqu/beichen/?from=recpage1 13,
https://tj.lianjia.com/xiaoqu/dongli/?from=recpage1 15,
https://tj.lianjia.com/xiaoqu/jinnan/?from=recpage1 12,
https://tj.lianjia.com/xiaoqu/tanggu/?from=recpage1 18,
https://tj.lianjia.com/xiaoqu/kaifaqutj/?from=recpage1 5,
https://tj.lianjia.com/xiaoqu/wuqing/?from=recpage1 15,
https://tj.lianjia.com/xiaoqu/binhaixinqu/?from=recpage1 14,
https://tj.lianjia.com/xiaoqu/baodi/?from=recpage1 7,
https://tj.lianjia.com/xiaoqu/jizhou/?from=recpage1 10,
https://tj.lianjia.com/xiaoqu/haihejiaoyuyuanqu/?from=recpage1 2,
https://tj.lianjia.com/xiaoqu/jinghai/?from=recpage1 9
'''

 '''
u = url_lst[1].split(' ')[0]
lst = []
n = 1
for page in range(1,n+1):
    u = u.replace('\n','')
    u = u.split(r'/?')[0] + '/pg' + '%i'%page + '/?' + u.split('/?')[1]
ips = None
ri = requests.get(url=u,headers = dic_h, cookies = dic_c,proxies=ips,timeout = 3)
 '''  
def get_urls(urli,n):
    '''
    功能：分页网址url采集
    n:页面参数
    urli:网址
    结果：得到分页网址list
    '''
    lst = []
    for page in range(1,n+1):
        ui = u.replace('\n','')
        ui = urli.split('/?')[0] + '/pg' + '%i'%page + '/?' + urli.split('/?')[1]
        lst.append(ui)
    return lst



    

#解析页面
def get_dataurls(ui,d_h,d_c,ips):
    '''

    Parameters
    ----------
    ui :    分页网址.
    d_h :  user-agent信息.
    d_c :  cookies信息

    Returns
    -------
    列表网址.

    '''
    try:
        ri = requests.get(url=ui,headers = d_h, cookies = d_c,proxies=ips,timeout = 3)
    except:
        try:
            ri = requests.get(url=ui,headers = d_h, cookies = d_c,proxies=ips,timeout = 3)
        except:
            print('request failed 2 times')
    #访问页面
    soupi = BeautifulSoup(ri.text,'lxml')
    ul = soupi.find('ul',class_="listContent")
    lis = ul.find_all('li')
    lst = []
    for li in lis:
        lst.append(li.find('a')['href'])
    return lst

'''
ri = requests.get(url = urllst2[:1][0], headers = dic_h, cookies = dic_c, verify=False, proxies=None, timeout=3)
soupi = BeautifulSoup(ri.text,'lxml')
dic = {}#空字典存储数据  
dic['单价'] = soupi.find('span',class_="xiaoquUnitPrice").text
dic['小区名称'] = soupi.find('div',class_="detailHeader fl").h1.text   
'''

def get_data(ui,d_h,d_c,ips):
    '''
    

 Parameters
    ----------
    ui :    分页网址.
    d_h :  user-agent信息.
    d_c :  cookies信息


    '''
    try:
        proxies = None
        ri = requests.get(url = ui, headers = d_h, cookies = d_c, verify=False, proxies=ips, timeout=3)
    except:
    # logdebug('requests failed one time')
        try:
            proxies = None
            ri = requests.get(url = ui, headers = d_h, cookies = d_c, verify=False, proxies=ips, timeout=3)
        except:
            # logdebug('requests failed two time')
            print('requests failed two time')
    

        
    
    
    
    soupi = BeautifulSoup(ri.text,'lxml')
    dic = {}#空字典存储数据  
    dic['单价'] = soupi.find('span',class_="xiaoquUnitPrice").text
    dic['小区名称'] = soupi.find('div',class_="detailHeader fl").h1.text   
    return dic
   
   


def get_proxies(p_User,p_Pass,p_Host,p_Port):
    '''
    生成动态ip函数
    Parameters
    ----------
    p_Usermp_Pass :
        设置代理服务器.
    p_Host,p_Port : 
        代理服务器验证信息

    Returns
    -------
    ip
    
    '''
    proxyMeta = "http://%(user)s:%(pass)s@%(host)s:%(port)s" % {
        "host" : p_Host,
        "port" : p_Port,
        "user" : p_User,
        "pass" : p_Pass,
    }
    ips = {
        "http"  : proxyMeta,
        "https" : proxyMeta,
    }
    return ips

    

    
if __name__ == "__main__":
    #设置爬取多少页
    
    url_lst = url.strip().split(',')
    url_u = []
    for str in url_lst:
        url_u.append(str.split(' '))
    ip_dic = None
    #设置代理ip
#    ip_dic = get_proxies('123',
#                         '123',
#                         'http-dyn.abuyun.com',
#                         '9020') 

    urllst1 = []
    for url_p in url_u:
        lst_test = get_urls(url_p[0],int(url_p[1]))
        urllst1.extend(lst_test)

    #u1 = urllst1[0]
    dic_h = {'User-Agent':''}
    dic_c = {}
    cookies = ''' '''
    for i in cookies.split('; '):
        dic_c[i.split('=')[0]] = i.split('=')[1]
        #获取agent cookies
        
    urllst2 = []

#得到每个房子的网址
    for u in urllst1:
        try:
            urllst2.extend(get_dataurls(u, dic_h, dic_c,ip_dic))
            print('成功采集页面信息，成功采集%i条数据' %(len(urllst2)))
        except:
            print('获取页面信息失败，分页网址位:',u)
       # print(urllst2)  
      
#获取信息  
    errorlst = []    
    datalst = []
    for u in urllst2:
        try:
            datalst.append(get_data(u,dic_h,dic_c,ip_dic))
            print('数据采集成功，总共采集%i条数据' %len(datalst))
        except:
            errorlst.append(u)
            print('采集数据失败，失败网址为',u)

    print(12345)    
    datadf = pd.DataFrame(datalst)

    datadf.to_excel(r'F:\I_love_learning\junior\数据挖掘与数据仓库\课程设计\dataxiaoqu.xlsx')


'''
ui = 'https://tj.lianjia.com/ershoufang'
ri = requests.get(url=ui,headers = dic_h, cookies = dic_c)
position = re.search(r"resblockPosition",ri.text)
'''

本人python版本为3.8 成功运行。
总共的话小区是7000多条，房屋数据是大概40000多

_yuan20
关注
专栏目录
爬虫链家7万条数据，告诉你二手房市场的现状
Philo15的博客
08-08 1206
本文分3个篇章，为你解答还原一个真实的合肥二手房市场。 一、数据来源 （一）背景 在登录合肥链家“找房”时，发现链家在合肥接近7万条二手房房源数据可以爬取，且没有太多“反爬”机制。 且数据字段信息很丰富，包含小区、建成时间、房价、平米、区位等诸多信息。 从用户需求角度思考，二手房市场基本就是“供给决定需求”。在供地减少、中心城区基本开发完善的情况下，存量房也就决定了用户的需求。 因此，我决定写个代码将房源爬取出来，再写个分析报告。说干就干！ （代码和数据集在公众号后台回复“链家”即可获取） （二）链家挂
requests+beautifulsoup4+mysql实现网络数据获取和存取
luolijun_0523的博客
10-20 3238
1、找到自己想爬取的网页内容 这是我从链家网上找的某个小区的页面网址，接下来就爬取这上面的房源信息 url = 'https://sh.lianjia.com/chengjiao/c5011000012404/?sug=%E5%A4%A9%E9%A6%A8%E8%8A%B1%E5%9B%AD%28%E5%85%AC%E5%AF%93%29' 直接开始操作，先导入一些需要的python库 import requests as rq import numpy as np from bs4 impor
python 爬取链家数据_用python爬取链家网的二手房信息
weixin_39585974的博客
12-04 1659
题外话：这几天用python做题，算是有头有尾地完成了。这两天会抽空把我的思路和方法，还有代码贴出来，供python的初学者参考。我python的实战经历不多，所以代码也是简单易懂的那种。当然过程中还是遇到了一些问题，也会向大家提供我的解决方案。用python爬取链家网的二手房信息，我主要用到了bs4中的BeautifulSoup。所以首先我们需要在cmd中输入“pip install beaut...
Scrapy爬取链家数据（一）：上手Scrapy框架
somanybeans的博客
09-21 924
最近在关注北京房价变化，关注策略为先筛选小区，然后筛选小区内房价。就实现思路而言，首先想到的是使用爬虫爬取链家网中的数据并保存至数据库中，然后进行简单分析，得出小区及房价变化趋势。经过简单技术选型，决定采用scrapy框架完成上述数据爬取，使用mysql记录数据，记录数据样例如图所示。本系列文章包含爬取小区信息爬取房价信息具体实现及实现过程中问题处理方法。
【爬虫】链家二手房数据采集
m0_38065162的博客
08-11 810
本文旨在利用Python中的parsel库爬取链家郑州二手房数据，方便后续关注、分析。
python爬虫——链家苏州成交房价2
weixin_43139613的博客
02-25 365
# -*- coding: utf-8 -*- import bs4 import requests def open_url(url): # url = 'https://su.lianjia.com/chengjiao/gongyeyuan/pg1/' hd = {} hd['User-Agent'] = 'Mozilla/5.0 (Windows NT 6.1) ...
Python爬虫实战，链家二手房数据轻松抓取！
weixin_42684533的博客
08-13 1941
随着大数据时代的到来，数据分析已经成为各行各业的重要竞争力。而数据采集作为数据分析的前置步骤，其重要性不言而喻。今天，我们就来聊聊如何使用Python爬虫技术，轻松抓取链家二手房数据。。
利用requests库和BeautifulSoup库爬取链家二手房的基本数据
m0_56022502的博客
05-16 1324
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录 前言 一、在写代码前我们应该做的事 二、应用技术介绍 1.引入库 2.读入数据 总结 前言 随着我们毕业，我们都不再是住在学校了 我们得自己出去租房子或着等我们有钱了想自己买一间属于自己的房子。但我们又不太清楚那里的房子好？什么房子更受欢迎？这时候是不是很想要一份关于房屋的价钱和地理位置的分析表或图呢？ 一、在写代码前我们应该做的事 老师经常跟我们讲，写代码虽说是很重要但它其实并不是...
基于Python的南京二手房数据可视化分析-带源码+PPT文档.zip
04-08
基于Python的南京二手房数据可视化分析_带源码+PPT文档.zip1 内容简介 首先通过爬虫采集链家网上所有南京二手房的房源数据，并对采集到的数据进行清洗；然后，对清洗后的数据进行可视化分析，探索隐藏在大量数据背后...
链家二手房数据分析与可视化
12-27
链家二手房数据爬虫：利用requests库和BeautifulSoup库，实现了一个简单的链家二手房数据爬虫，可以根据指定的城市、区域、价格等条件，爬取链家网站上的二手房信息，包括房源标题、链接、户型、面积、朝向、楼层、...
毕业设计-基于python网络爬虫的二手房源数据采集及可视化分析设计与实现
04-21
在本毕业设计项目中，我们将深入探讨如何使用Python编程语言构建一个网络爬虫来收集二手房源数据，并通过数据可视化技术进行深入的分析和呈现。这个项目涵盖了Python爬虫开发的关键技术和数据分析的重要步骤，旨在...
爬虫多维度抓取链家二手房成交数据到Elasticsearch/MySQL
09-21
通过Python Scrapy爬取链家二手房（爬取样本为近一个月成都二手房成交数据）销售数据传到ES和MySQL程序。可用于ES或MySQL按照行政区域、户型、小区、房龄、挂牌时间等多个维度对成交价格统计分析。
链家二手房交易数据集,爬虫爬取,原始数据,未做处理,csv文件
05-05
爬取数据资源,仅供初学python数据分析使用,数据是原始数据未做修改 水道子胡同 1室0厅 10.8平米 西南 | 其他 2020.04.13 100万 底层(共1层) 板楼 房屋满五年 挂牌100万成交周期1天 名字免费咨询
基于Python的链家二手房租房在线数据爬虫设计源码
最新发布
10-05
该项目为基于Python实现的链家二手房及租房在线数据爬虫设计源码，包含20个文件，包括8个Python脚本、2个文本文件、2个CSV文件、2个PNG图像文件、1个Git属性配置文件、1个Git忽略文件、1个开源许可文件、1个Markdown文档、1个Jupyter笔记本。源码涵盖了链家存量房交易服务平台的数据爬取，并附有详细的数据分析教程，适用于进行二手房及租房市场的数据研究和分析。
lianjia-spider:链家二手房爬虫，支持爬取指定城市，户型，价位二手仓库，并通过电子提供跨平台UI，可记录历史价格，售出仓库等信息
04-01
链家二手房爬虫工具 本工具分为爬虫端与客户端，爬虫端用于爬取链家页面二手房数据并存储于数据库，客户端用于分析展示数据库数据。 实现功能 爬虫端（Python） 二手登山爬取，可指定城市，地区，户型以及价格范围。 每日数据存储，数据库为sqlite3，数据库文件为./lianjia.db 已售的记录记录，当某套房源不再能被抓取取到时，转换套房源从交换表迁移到售出表，保留售出前历史数据。 客户端（Nodejs） 数据可视化展示，使用电子实现跨平台，展示内容包括包括id，小区，户型，面积，朝向，偏移，年份，建筑类型，总价，单价。出。 历史价格展示，预先设定的预期高度后可进入历史价格页面，展示每次抓取获取到的价格，逐步价格的变化用箭头标出。 卖出上市展示，展示已售出上市及售出日期（最后一次抓取日期） 目录结构 . ├── README.md ├── config │   └── config.js
爬虫实例：链家二手房数据爬取
bagell的博客
12-29 4174
​ 需求：根据用户所选省份及城市爬取对应的二手房数据及图片，并将数据保存到excel中，图片保存到文件夹中，得到的数值类型的单价、总价和关注度，并画出单价与关注度，总价与关注度的图像，并找出关注度最高的二手房单价和总价。
爬取链家任意城市二手房数据(天津)
weixin_30905981的博客
08-16 734
1 #!/usr/bin/env python 2 # -*- coding: utf-8 -*- 3 # @Time : 2019-08-16 12:40 4 # @Author : Anthony 5 # @Email : ianghont7@163.com 6 # @File : 爬取链家任意城市二手房数据.py 7 ...
python爬虫爬取链家二手房信息(xpath)
yutaixin的博客
11-17 3914
python爬虫爬取链家二手房信息 -- xpath需求流程详细代码 需求 将小区名称、厅室、面积、毛坯还是精装、楼层、建筑年代、板楼还是塔楼、总价和每平方米单价等信息爬取放入字典中 流程 查看想要的数据在网页源码中是否存在(确认是否为静态部分) 找网页url的规律，规律如下： 第n页：https://sh.lianjia.com/ershoufang/pgn/ 写xpath表达式 右键查看页面...
Python网络爬虫_上海链家二手房数据（10万条）
weixin_64091201的博客
06-30 638
【代码】Python网络爬虫_上海链家二手房数据（10万条）
设计链家网站二手房数据爬虫
通过以上步骤，我们可以构建一个功能完善的链家二手房信息爬虫，系统地收集和整理深圳地区的房源数据，为进一步的数据分析和应用打下基础。在实际操作中，还需要注意定期更新爬虫，以应对网站结构的可能变化。同时，...
评论 2
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

打赏作者

_yuan20

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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