IndexSearcher的基础使用及注意事项

最新推荐文章于 2020-08-06 18:00:35 发布
最新推荐文章于 2020-08-06 18:00:35 发布
阅读量3.6k 收藏 2
点赞数
分类专栏： Lucene
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/ningbohezhijunbl/article/details/20380917
版权

http://www.cnblogs.com/huangfox/archive/2010/10/16/1853086.html


首先假设建立索引为：

import java.io.File;
import java.io.IOException;

import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.document.Field.Store;
import org.apache.lucene.document.StringField;
import org.apache.lucene.document.TextField;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.IndexWriterConfig;
import org.apache.lucene.store.FSDirectory;
import org.apache.lucene.util.Version;


public class ceshi0303 {
	public static void main(String[] args) {
		IndexWriter writer = null;
		FSDirectory dir = null;
		try {
			dir = FSDirectory.open(new File("d:\\20140303index"));
			Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_46);  
            IndexWriterConfig iwConfig = new IndexWriterConfig(  
                    Version.LUCENE_46, analyzer);
			writer = new IndexWriter(dir, iwConfig);
			Field f1 = new TextField("f1", "", Store.YES);
			Field f2 = new TextField("f2", "", Store.YES);
			long s = System.currentTimeMillis();
			for (int i = 0; i < 500000; i++) {
				Document doc = new Document();
				f1.setStringValue("f1 hello doc" + i);
				doc.add(f1);
				f2.setStringValue("f2 world doc" + i);
				doc.add(f2);		
				writer.addDocument(doc);
			}
			System.out.println(System.currentTimeMillis() - s + "ms");
			System.out.println("over");
		}catch (IOException e) {
			e.printStackTrace();
		}finally {
			try {
				writer.close();
			}catch (IOException e) {
				e.printStackTrace();
			}
		}
	}
}



说明：这里可以看出，由于TextField分析器会对该域的值进行相应的解析，所以跑得要比StringField慢（StringField不用解析），由3892.8ms变为了5775ms。


1.search(Query query , int n)示例

取出前n条目标结果。

import java.io.File;
import java.io.IOException;


import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.index.DirectoryReader;
import org.apache.lucene.index.IndexReader;
import org.apache.lucene.queryparser.classic.QueryParser;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.ScoreDoc;
import org.apache.lucene.search.TopDocs;
import org.apache.lucene.store.FSDirectory;
import org.apache.lucene.util.Version;

<pre code_snippet_id="215126" snippet_file_name="blog_20140303_2_7427458" name="code" class="java">public class IndexSearchDemo {
	
	public static void main(String[] args) {
		new IndexSearchDemo().searcher("f1 hello doc1000");
	}
	
	public void searcher(String queryString) {
		try {
			FSDirectory dir = FSDirectory.open(new File("d:\\20140303index"));
			IndexReader reader = DirectoryReader.open(dir);
			IndexSearcher searcher = new IndexSearcher(reader);
			
			QueryParser parser = new QueryParser(Version.LUCENE_46, "f1", new StandardAnalyzer(Version.LUCENE_46));
			Query query = parser.parse(queryString);
			System.out.println(query.toString("f1"));
			TopDocs tds = searcher.search(query, 5);
			ScoreDoc[] sd = tds.scoreDocs;
			System.out.println(tds.totalHits);
			for (ScoreDoc doc : sd) {
				System.out.println(reader.document(doc.doc));
				//注意点2：怎么查看每个文档的打分的详情。
				System.out.println("Explanation: " + searcher.explain(query, doc.doc));
			}
		}catch (Exception e) {
			e.printStackTrace();
		}
	}
}

输出： 

500000
Document<stored,indexed,tokenized<f1:f1 hello doc1000> stored,indexed,tokenized<f2:f2 world doc1000>>
Explanation: 6.7517376 = (MATCH) sum of:
  0.037027355 = (MATCH) weight(f1:f1 in 1000) [DefaultSimilarity], result of:
    0.037027355 = score(doc=1000,freq=1.0 = termFreq=1.0
), product of:
      0.07405486 = queryWeight, product of:
        0.999998 = idf(docFreq=500000, maxDocs=500000)
        0.07405501 = queryNorm
      0.499999 = fieldWeight in 1000, product of:
        1.0 = tf(freq=1.0), with freq of:
          1.0 = termFreq=1.0
        0.999998 = idf(docFreq=500000, maxDocs=500000)
        0.5 = fieldNorm(doc=1000)
  0.037027355 = (MATCH) weight(f1:hello in 1000) [DefaultSimilarity], result of:
    0.037027355 = score(doc=1000,freq=1.0 = termFreq=1.0
), product of:
      0.07405486 = queryWeight, product of:
        0.999998 = idf(docFreq=500000, maxDocs=500000)
        0.07405501 = queryNorm
      0.499999 = fieldWeight in 1000, product of:
        1.0 = tf(freq=1.0), with freq of:
          1.0 = termFreq=1.0
        0.999998 = idf(docFreq=500000, maxDocs=500000)
        0.5 = fieldNorm(doc=1000)
  6.677683 = (MATCH) weight(f1:doc1000 in 1000) [DefaultSimilarity], result of:
    6.677683 = score(doc=1000,freq=1.0 = termFreq=1.0
), product of:
      0.99450076 = queryWeight, product of:
        13.429216 = idf(docFreq=1, maxDocs=500000)
        0.07405501 = queryNorm
      6.714608 = fieldWeight in 1000, product of:
        1.0 = tf(freq=1.0), with freq of:
          1.0 = termFreq=1.0
        13.429216 = idf(docFreq=1, maxDocs=500000)
        0.5 = fieldNorm(doc=1000)

Document<stored,indexed,tokenized<f1:f1 hello doc0> stored,indexed,tokenized<f2:f2 world doc0>>
Explanation: 0.04936981 = (MATCH) product of:
  0.07405471 = (MATCH) sum of:
    0.037027355 = (MATCH) weight(f1:f1 in 0) [DefaultSimilarity], result of:
      0.037027355 = score(doc=0,freq=1.0 = termFreq=1.0
), product of:
        0.07405486 = queryWeight, product of:
          0.999998 = idf(docFreq=500000, maxDocs=500000)
          0.07405501 = queryNorm
        0.499999 = fieldWeight in 0, product of:
          1.0 = tf(freq=1.0), with freq of:
            1.0 = termFreq=1.0
          0.999998 = idf(docFreq=500000, maxDocs=500000)
          0.5 = fieldNorm(doc=0)
    0.037027355 = (MATCH) weight(f1:hello in 0) [DefaultSimilarity], result of:
      0.037027355 = score(doc=0,freq=1.0 = termFreq=1.0
), product of:
        0.07405486 = queryWeight, product of:
          0.999998 = idf(docFreq=500000, maxDocs=500000)
          0.07405501 = queryNorm
        0.499999 = fieldWeight in 0, product of:
          1.0 = tf(freq=1.0), with freq of:
            1.0 = termFreq=1.0
          0.999998 = idf(docFreq=500000, maxDocs=500000)
          0.5 = fieldNorm(doc=0)
  0.6666667 = coord(2/3)

Document<stored,indexed,tokenized<f1:f1 hello doc1> stored,indexed,tokenized<f2:f2 world doc1>>
Explanation: 0.04936981 = (MATCH) product of:
  0.07405471 = (MATCH) sum of:
    0.037027355 = (MATCH) weight(f1:f1 in 1) [DefaultSimilarity], result of:
      0.037027355 = score(doc=1,freq=1.0 = termFreq=1.0
), product of:
        0.07405486 = queryWeight, product of:
          0.999998 = idf(docFreq=500000, maxDocs=500000)
          0.07405501 = queryNorm
        0.499999 = fieldWeight in 1, product of:
          1.0 = tf(freq=1.0), with freq of:
            1.0 = termFreq=1.0
          0.999998 = idf(docFreq=500000, maxDocs=500000)
          0.5 = fieldNorm(doc=1)
    0.037027355 = (MATCH) weight(f1:hello in 1) [DefaultSimilarity], result of:
      0.037027355 = score(doc=1,freq=1.0 = termFreq=1.0
), product of:
        0.07405486 = queryWeight, product of:
          0.999998 = idf(docFreq=500000, maxDocs=500000)
          0.07405501 = queryNorm
        0.499999 = fieldWeight in 1, product of:
          1.0 = tf(freq=1.0), with freq of:
            1.0 = termFreq=1.0
          0.999998 = idf(docFreq=500000, maxDocs=500000)
          0.5 = fieldNorm(doc=1)
  0.6666667 = coord(2/3)

Document<stored,indexed,tokenized<f1:f1 hello doc2> stored,indexed,tokenized<f2:f2 world doc2>>
Explanation: 0.04936981 = (MATCH) product of:
  0.07405471 = (MATCH) sum of:
    0.037027355 = (MATCH) weight(f1:f1 in 2) [DefaultSimilarity], result of:
      0.037027355 = score(doc=2,freq=1.0 = termFreq=1.0
), product of:
        0.07405486 = queryWeight, product of:
          0.999998 = idf(docFreq=500000, maxDocs=500000)
          0.07405501 = queryNorm
        0.499999 = fieldWeight in 2, product of:
          1.0 = tf(freq=1.0), with freq of:
            1.0 = termFreq=1.0
          0.999998 = idf(docFreq=500000, maxDocs=500000)
          0.5 = fieldNorm(doc=2)
    0.037027355 = (MATCH) weight(f1:hello in 2) [DefaultSimilarity], result of:
      0.037027355 = score(doc=2,freq=1.0 = termFreq=1.0
), product of:
        0.07405486 = queryWeight, product of:
          0.999998 = idf(docFreq=500000, maxDocs=500000)
          0.07405501 = queryNorm
        0.499999 = fieldWeight in 2, product of:
          1.0 = tf(freq=1.0), with freq of:
            1.0 = termFreq=1.0
          0.999998 = idf(docFreq=500000, maxDocs=500000)
          0.5 = fieldNorm(doc=2)
  0.6666667 = coord(2/3)

Document<stored,indexed,tokenized<f1:f1 hello doc3> stored,indexed,tokenized<f2:f2 world doc3>>
Explanation: 0.04936981 = (MATCH) product of:
  0.07405471 = (MATCH) sum of:
    0.037027355 = (MATCH) weight(f1:f1 in 3) [DefaultSimilarity], result of:
      0.037027355 = score(doc=3,freq=1.0 = termFreq=1.0
), product of:
        0.07405486 = queryWeight, product of:
          0.999998 = idf(docFreq=500000, maxDocs=500000)
          0.07405501 = queryNorm
        0.499999 = fieldWeight in 3, product of:
          1.0 = tf(freq=1.0), with freq of:
            1.0 = termFreq=1.0
          0.999998 = idf(docFreq=500000, maxDocs=500000)
          0.5 = fieldNorm(doc=3)
    0.037027355 = (MATCH) weight(f1:hello in 3) [DefaultSimilarity], result of:
      0.037027355 = score(doc=3,freq=1.0 = termFreq=1.0
), product of:
        0.07405486 = queryWeight, product of:
          0.999998 = idf(docFreq=500000, maxDocs=500000)
          0.07405501 = queryNorm
        0.499999 = fieldWeight in 3, product of:
          1.0 = tf(freq=1.0), with freq of:
            1.0 = termFreq=1.0
          0.999998 = idf(docFreq=500000, maxDocs=500000)
          0.5 = fieldNorm(doc=3)
  0.6666667 = coord(2/3)

奇怪的是所有建立索引的都匹配了，只是返回按照评分大小返回的，所以第一个是我们要的。


2.search(Query query , Collector results)

在介绍这个方法之前，先来了解下Collector：

 Collectors are primarily meant to be used to gather raw results from a search, and implement sorting or custom result filtering, collation, etc.

先重点了解：

TopScoreDocCollector is a concrete subclass TopDocsCollector and sorts according to score + docID. 

This is used internally by the IndexSearcher search methods that do not take an explicitSort. It is likely the most frequently used collector.

他是最常用的collector子类，是默认相关度排序的。下面给出一个实例，使用TopScoreDocCollector进行结果的收集，并提供简单的分页功能。

import java.io.File;  
import java.io.IOException;  
  
import org.apache.lucene.analysis.standard.StandardAnalyzer;  
import org.apache.lucene.index.DirectoryReader;  
import org.apache.lucene.index.IndexReader;  
import org.apache.lucene.queryparser.classic.ParseException;  
import org.apache.lucene.queryparser.classic.QueryParser;  
import org.apache.lucene.search.IndexSearcher;  
import org.apache.lucene.search.Query;  
import org.apache.lucene.search.ScoreDoc;  
import org.apache.lucene.search.TopDocs;  
import org.apache.lucene.search.TopScoreDocCollector;  
import org.apache.lucene.store.FSDirectory;  
import org.apache.lucene.util.Version;  
  
  
public class IndexSearchDemo {  
      
    public static void main(String[] args) {  
        new IndexSearchDemo().searcher("f1 hello doc1000", 10, 10);  
    }  
      
    public void searcher(String queryString, int start, int howMany) {  
        try {  
            FSDirectory dir = FSDirectory.open(new File("d:\\20140303index"));  
            IndexReader reader = DirectoryReader.open(dir);  
            IndexSearcher searcher = new IndexSearcher(reader);  
              
            QueryParser parser = new QueryParser(Version.LUCENE_46, "f1", new StandardAnalyzer(Version.LUCENE_46));  
            Query query = parser.parse(queryString);  
              
            int hm = start + howMany;  
            TopScoreDocCollector res = TopScoreDocCollector.create(hm, false);  
            System.out.println("total hits : " + res.getTotalHits());  
            searcher.search(query, res);  
            System.out.println("total hits : " + res.getTotalHits());  
            //注意点2：这里可以控制分页。  
            TopDocs tds = res.topDocs(start, howMany);  
            ScoreDoc[] docs = tds.scoreDocs;  
            for (ScoreDoc doc : docs) {  
                System.out.println(reader.document(doc.doc));  
            }  
        }catch (IOException e) {  
            e.printStackTrace();  
        }catch (ParseException e) {  
            e.printStackTrace();  
        }  
    }  
}

我只能说，第一次碰到collector,不是很懂，但是对于分页，想说下自己目前的理解。TopScoreDocCollector res = TopScoreDocCollector.create(hm,  false );hm就是searcher.search时取得数据条数，第二个参数为 false 表明文档号是按照从小到大遍历的。TopDocs tds = res.topDocs(start, howMany);所以感觉只是提供了一个分页的API，但是并不清楚有没有什么优化。


3.search(Query query , Filter filter , int n , Sort sort)

public void searcher(String queryString) {  
        try {  
            FSDirectory dir = FSDirectory.open(new File("d:\\20140303index"));  
            IndexReader reader = DirectoryReader.open(dir);  
            IndexSearcher searcher = new IndexSearcher(reader);  
              
            QueryParser parser = new QueryParser(Version.LUCENE_46, "f1", new StandardAnalyzer(Version.LUCENE_46));  
            Query query = parser.parse(queryString);  
              
            SortField sf = new SortField("f1", SortField.Type.INT);  
            Sort sort = new Sort(sf);  
            TopDocs tds = searcher.search(query,  null, 5, sort);  
            System.out.println(tds.totalHits);  
            ScoreDoc[] docs = tds.scoreDocs;  
            for (ScoreDoc doc : docs) {  
                System.out.println(reader.document(doc.doc));  
            }  
        }catch (IOException e) {  
            e.printStackTrace();  
        }catch (ParseException e) {  
            e.printStackTrace();  
        }  
    }

输出： 

500000  
Document<stored,indexed,tokenized<f1:f1 hello doc0> stored,indexed,tokenized<f2:f2 world doc0>>  
Document<stored,indexed,tokenized<f1:f1 hello doc1> stored,indexed,tokenized<f2:f2 world doc1>>  
Document<stored,indexed,tokenized<f1:f1 hello doc2> stored,indexed,tokenized<f2:f2 world doc2>>  
Document<stored,indexed,tokenized<f1:f1 hello doc3> stored,indexed,tokenized<f2:f2 world doc3>>  
Document<stored,indexed,tokenized<f1:f1 hello doc4> stored,indexed,tokenized<f2:f2 world doc4>>



ningbohezhijun
关注
专栏目录
【搜索引擎原理与实战】全文搜索的原理与代码实例讲解
程序员光剑
07-30 496
在当今信息爆炸的时代，快速准确地从海量数据中检索所需信息变得至关重要。全文搜索技术应运而生，成为现代搜索引擎的核心组成部分。无论是Google、百度这样的网络搜索巨头，还是企业内部的文档管理系统，全文搜索都扮演着不可或缺的角色。本文将深入探讨全文搜索的原理，并通过具体的代码实例，为读者展示如何实现一个基础的全文搜索引擎。全文搜索不同于传统的数据库检索，它能够对文本内容进行全面分析和索引，支持复杂的查询需求，如模糊匹配、多字段组合查询等。
创新杯论文——面向中文专利信息的关系数据库检索优化策略研究及应用
藏龙卧虎之地
11-25 7465
面向中文专利信息的关系数据库检索优化策略研究及应用目 录1     引言... 32     中文专利信息检索优化概述... 42.1      中文信息检索的概念... 42.2      中文信息检索的现状... 42.3      中文专利信息检索概述... 52.3.1    中文专利信息的内涵... 52.3.2    中文专利信息的特点... 62.
Lucene的IndexSearcher管理
热门推荐
黄智霖的博客
01-23 2万+
一、场景 Lucene创建一个searcher需要先打开一个DirectoryReader，用以从目录中读取索引，而此过程的代价是比较高的。同时searcher只做查询，不涉及到索引的更新操作，自然而然我们就会想到使用单例模式，重复使用。但是我们的索引文件如果发生了更新，对应的searcher也需要同步更新，就不是普通的单例那么简单了，这里介绍几种我使用过的有效的管理方式。 二、IndexSe...
IndexSearcher
happylobster
07-25 1406
1,使用indexreader创建indexsearcher.  2,indexsearcher在使用完了以后不要关闭.  3.使用indexreader.isCurrent()判断索引是否被indexwriter改动.  4,如果索引被改动,indexsearcher.close()先前那个,然后new indexsearcher(indexreader). 传strin
Lucene-2.2.0 源代码阅读学习(29)
pavel0的专栏
02-06 238
关于IndexSearcher检索器。 在学习IndexSearcher检索器之前，先大致了解一下下面几项： 1、首先，要知道Weight(接口)存在的目的： 使得检索不改变一个Query，使得Query可以重用。所以就出现了Weight，一个Weight可以保存与某次检索相关的IndexSearcher检索器的独立状态值。其实Weight间接保存了IndexSearcher索引器的独立状态信息。...
使用IndexSearcher进行搜索（3）
xinghaifeng2006的专栏
12-23 1121
lucene搜索相关的API多数都被包含在org.apache.lucene.search包中。   IndexSearcher提三个公有构造函数，可以初始化IndexSearcher:   public IndexSearcher(String path) throws IOException ; public IndexSearcher(Directory directory...
lucene使用教程4 --常用类的对象之IndexSearcher
liuxiaochen123的专栏
08-09 164
这章主要介绍IndexSearcher IndexSearcher，一个我们用来搜索IndexWriter创建的索引的命令行程序。(记住我们的Seacher只是用来示范Lucene的搜索API的用法。你的搜索程序也可以是网页或带有GUI的桌面程序或EJB等形式。) 一下代码是从网上剪切过来的，可能有错误，但是原理都是一样的，明白了原理，什么都简单。稍后我会将我自己写的几个测试代码贴上去，可...
Lucene.Net全文检索Demo
01-25
5. **帮助文档**：“Lucene.Net课题.docx”可能包含详细的步骤指南、代码示例和注意事项，对于初学者来说是很好的参考资料。它可能解释了如何配置Analyzer，如何处理特殊字符，以及如何优化搜索性能。 6. **应用...
lucene3.6工程原文件
01-03
在“lucene学习记录.doc”中，很可能详细记录了这些步骤的实现过程和注意事项。而“lucene36”可能是一个包含具体代码示例的工程文件，可以直接运行和学习。 总结，Lucene 3.6 是一个强大的全文检索工具，通过理解...
Lucene3.0入门实例含jar包
06-15
7. **注意事项**：虽然 Lucene 3.0 已经较旧，但了解其工作原理对理解后续版本（如 Lucene 8.x）有很大帮助。随着版本更新，Lucene 添加了更多优化和特性，如更高效的压缩算法、多线程索引、更强大的查询语法等。 ...
lucene查询工具类和IndexSearcher分页查询示例
05-15
一步一步跟我学习lucene是对近期做lucene索引的总结，大家有问题的话联系本人如蒙加入，不胜感激，大家共同探讨,本人争取每日一博，希望大家持续关注，会带给大家惊喜的
检索工具—IndexSearcher 类
ganlangreen的专栏
09-10 619
 IndexSearcher类继承自Searcher基类，是Lucene中最重要的一个检索用类。   IndexSearcher类时最重要的就是要告诉它索引存放的路径，只有这样，检索工具才可以定位索引，从而完成查找的任   务。以下是IndexSearcher的所有构造函数：   public IndexSearcher(String path) throws IOException ...
IndexSearcher排序
ningbohezhijun的专栏
03-05 892
http://www.cnblogs.com/huangfox/archive/2010/10/18/1854403.html 1.IndexSearcher中和排序相关的方法及sort类、SortField类（api级别）； 用IndexSearcher直接排序一般使用方法 search(Weight weight, Filter filter, int n, So
一步一步跟我学习lucene（7）---lucene搜索之IndexSearcher构建过程
wuyinggui的专栏
05-13 253
最近一直在写一步一步跟我学习lucene系列（http://blog.csdn.net/wuyinggui10000/article/category/3173543），个人的博客也收到了很多的访问量，谢谢大家的关注，这也是对我个人的一个激励，O(∩_∩)O哈哈~，个人感觉在博客的编写过程中自己收获了很多，我会一直继续下去，在工作的过程中自己也会写出更多类似系列的博客，也算是对自己只是的一种积累；...
Lucene系列七：搜索过程和IndexSearcher
布道
12-02 5036
搜索过程是由Lucene所提供的核心功能之一。下图说明了搜索过程和使用的类。 IndexSearcher是搜索过程中最重要的和核心组件。本章的需要掌握的，了解他们的存储原理后就可以方便知道如何基于这些存储结构来实现高效的搜索。 目录 1.搜索的基本流程 2. 底层实现原理 2.1FST 2.2SkipList 2.3倒排合并 2.4结果集排序聚合 3.IndexSear...
IndexSearcher的基础
杨鑫newlife的专栏
10-27 1279
//IndexSearcher的三个共有的构造函数，均将索引的存放目录作为参数 /*  * public IndexSearcher(String path) throws IOException  * public IndexSearcher(Directory directory) throws IOException  * public IndexSearcher(IndexRead
Faiss(4)：索引(Index)
翔底的博客
08-06 6076
在前面的文章中已经有说明，Faiss库的运行是基于索引的，这个索引与传统数据库中的Index不同，它是包含向量集，训练和查询方法等的类。 1. Index类汇总 Method Class name index_factory Main parameters Bytes/vector Exhaustive Comments Exact Sea.
lucene-使用QueryParser和IndexSearcher
深未来技术
12-24 320
QueryParserQueryParser把查询表达式转换为lucene内置的查询类型查询表达式匹配的文档java默认域包含java项的文档java junitjava or junit默认域中包含java和junit中的一个或两个文档。+java +junitjava
Lucene中IndexReader及IndexSearcher在项目中应设置为单例
u013905744的专栏
07-13 939
在lucene的搜索示例中，很多demo代码在做搜索的时候都是先新建一个IndexReader，之后再新建一个IndexSearcher，搜索完成之后，再将IndexReader关闭。 但在实际项目应用中，这样操作是不妥当的。对于IndexReader来说，IndexReader.open()会产生很大开销。参考：lucene的IndexReader的初始化过程对于IndexSearcher来说，...
评论
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