利用python快速把数据存储至MySQL

最新推荐文章于 2024-07-15 21:45:56 发布
最新推荐文章于 2024-07-15 21:45:56 发布
阅读量3.3k 收藏 39
点赞数 7
文章标签： 利用python将数据存储至MySQL python MySQL 如何将数据快速存储至数据库
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/weixin_38153458/article/details/85289433
版权

利用python快速把数据存储至MySQL

程序背景

在工作中经常会遇到需要将数据存储至数据库，而采用navicat的导入功能，在面对较大的数据时经常导入失败，即使导入成功，MySQL建表时一般默认使用该数据类型的最大值，比如varchar(225)，如果我们的原始数据既有数值、文本又有时间，如果navicat不能识别其数据类型，均将其默认设置为varchar，这不是我们所需要的。所以为了更好更方便的将数据存储至数据库，就随便写了一段程序，以实现该目的。

函数功能介绍

datastore函数主要分为3个小函数：dataChange函数主要功能是为了转换数据，如果导入的数据里有数值或日期时间，但python将其理解成文本，这不是我们所希望的结果，故该函数可进行简单的数据转换；createTable函数的功能是为了在数据库里创建表，其会自动根据数据类型及大小创建对应的sql数据类型；tableStore函数的功能是将数据存储至数据库。

参数设置

  1. data ：指定数据源，可以是DataFrame格式，也可以是文件位置（支持xlsx和csv）,默认None；
  2. database：指定要保存的数据库名，默认None；
  3. table：指定要保存的数据表名，默认None；
  4. tableDrop：如果指定的表名数据库里有，是否删除重新建表，默认False；
  5. primaryKey：指定主键字段名，即将哪些字段设置为主键，如果指定的是一个主键，如：primaryKey=[‘id’]，则将该字段设置为主键；如果指定的是2个或两个以上字段，则将其设置为联合主键，如：primaryKey=[‘class’,‘name’]，默认[None]；
  6. key：指定索引字段，如：key=[‘age’,‘name’]，默认[None]；
  7. key_union：如果指定了2个以上字段作为索引，是否需要将其设置为联合索引，默认False；
  8. comments：指定字段注释，默认[None]，如果没有指定注释，则默认将字段名作为注释；
  9. table_comment：指定表注释，默认None，如果没有指定表注释，则默认为库名+表名；
  10. host：指定数据库连接ip或主机名；
  11. user：指定数据库连接用户名；
  12. password：指定数据库连接密码；
  13. failureID：无需指定，用于返回保存错误的主键。

代码展示

# 导入相关包 -----------------------------------------------------------------------------------------------------------
import numpy as np
import pandas as pd
import pymysql
import os
from datetime import datetime

# 自定义异常 -----------------------------------------------------------------------------------------------------------
class dataStoreError(Exception):
    def __init__(self, ErrorInfo):
        super().__init__(self)  # 初始化父类
        self.errorinfo = ErrorInfo
    def __str__(self):
        return self.errorinfo

# 定义类函数 ###########################################################################################################
class dataStore:
    def __init__(self, data = None,
                        database = None,
                        table = None,
                        tableDrop = False,
                        primaryKey = [None],
                        key = [None],
                        key_union = False,
                        comments = [None],
                        table_comment = None,
                        host = 'localhost',
                        user = 'root',
                        password = '123456',
                        failureID = []
                 ):
        self.data = data  # 指定数据源或数据地址
        self.database = database  # 指定存储库名
        self.table = table  # 指定存储表名
        self.tableDrop  =tableDrop  # 如果建表时存在相同表名是否删除（默认False）
        self.primaryKey = primaryKey  # 指定主键字段（默认为空）
        self.key = key  # 指定索引字段（默认为空）
        self.key_union = key_union  # 是否将上述指定的索引字段建成联合索引（默认False, 如果为True，条件是：len(key)>2 ）
        self.comments = comments  # 指定每个变量的注释（默认为空）【如果是list则元素个数必须与列数相等；如果是dict，则表示要替换某个字段名】
        self.table_comment = table_comment  # 指定表的注释（默认为空）
        self.host = host  # 主机名或IP地址
        self.user = user  # 用户名
        self.password = password  # 密码
        self.failureID = failureID  # 用于采集保存错误的ID（索引）

        self.wide_connect = None
        self.wide_cursor = None
        self.typeList = []  # 建表语句
        self.priDict = dict()  # 定义主键（key是主键对应的字段名，value是主键对应的字段位置）

        # 数据导入 -----------------------------------------------------------------------------------------------------
        if isinstance(self.data, pd.DataFrame) or isinstance(self.data, pd.Series):
            pass
        elif isinstance(self.data, str) and os.path.exists(self.data):
            try:
                self.data = pd.read_table(open(self.data, 'rb'), sep = ',', low_memory = False)
            except:
                self.data = pd.read_excel(self.data)
        else:
            raise dataStoreError('数据加载失败')

    # 如果没有指定注释则使用字段名作为注释 -------------------------------------------------------------------------
    def commentChange(self):
        if self.comments == [None]:
            self.comments = self.data.columns.tolist()
        elif isinstance(self.comments, dict):
            self.comments = self.data.rename(columns = self.comments).columns
        else:
            if len(self.comments) == len(self.data.columns):
                self.comments = self.data.columns.tolist()
            else:
                raise dataStoreError('输入字段注释(comments)个数与字段个数不匹配，请检查！！！')

    # 宽表数据连接 -----------------------------------------------------------------------------------------------------
    def mysqlConnect(self):
        # 判断是否指定数据库 -------------------------------------------------------------------------------------------
        if pd.isnull(self.database):
            raise dataStoreError('没有指定数据库名，请指定该参数：database')
        # 判断是否指定数据表 -------------------------------------------------------------------------------------------
        if pd.isnull(self.table):
            raise dataStoreError('没有指定数据表名，请指定该参数：table')
        # 如果没有指定表的注释，则表的注释为：库名+表名 ----------------------------------------------------------------
        if pd.isnull(self.table_comment):
            self.table_comment = self.database + self.table

        self.wide_connect = pymysql.connect(host = self.host,  # 主机名或IP地址
                                       user = self.user,  # 用户名
                                       password = self.password,  # 密码
                                       port = 3306,  # 端口
                                       charset = 'utf8')  # 编码
        self.wide_cursor = self.wide_connect.cursor()

    # 转换数据类型 #####################################################################################################
    def dataChange(self):
        self.commentChange()
        # 针对整数型数值定义其格式 -------------------------------------------------------------------------------------
        int_fun = lambda x: 'TINYINT({})'.format(x) if x <= 3\
                      else 'SMALLINT({})'.format(x) if x <= 5\
                      else 'MEDIUMINT({})'.format(x) if x <= 8\
                      else 'INT({})'.format(x) if x <= 11\
                      else 'BIGINT({})'.format(x) if x <=20\
                      else 'DECIMAL({},0)'.format(x)

        # 针对浮点型数值定义其格式 -------------------------------------------------------------------------------------
        def decimal_fun(column):
            decm = [str(i).split('.') for i in self.data[column] if pd.notnull(i)]  # 按小数点拆分成两个字符串
            m = max([len(i[0]) for i in  decm if len(i) >= 2] + [1])  # 整数位最大长度
            d = max([len(i[1]) for i in  decm if len(i) >= 2] + [1])  # 小数位最大长度
            if d > 6: d = 6
            return 'DECIMAL({m}, {d})'.format(m = m + d + 2, d = d + 1)

        self.typeList = []  # 建表语句
        for column, comment in zip(self.data.columns, self.comments):
            # 如果字段是整数型 -----------------------------------------------------------------------------------------
            if self.data[column].dtypes in [np.dtype('int16'), np.dtype('int32'), np.dtype('int64'), np.dtype('uint16'), np.dtype('uint32'), np.dtype('uint64')]:
                int_len = max(len(str(self.data[column].max())), len(str(self.data[column].min()))) + 2  # 整数长度
                self.typeList.append("`{}` ".format(column) + int_fun(int_len) + " DEFAULT NULL" + " COMMENT '{}'".format(comment))
                continue
            # 如果字段是浮点型 -----------------------------------------------------------------------------------------
            elif self.data[column].dtypes in [np.dtype('float16'), np.dtype('float32'), np.dtype('float64')]:
                self.typeList.append("`{}` ".format(column) + decimal_fun(column) + " DEFAULT NULL" + " COMMENT '{}'".format(comment))
                continue
            # 如果字段是日期时间类型 -----------------------------------------------------------------------------------
            elif self.data[column].dtypes in [np.dtype('<M8[ns]')]:
                self.typeList.append("`{}` ".format(column) + "DATETIME DEFAULT NULL" + " COMMENT '{}'".format(comment))
                continue
            else:
                try:
                    self.data[column] = pd.to_datetime(self.data[column], format = '%Y-%m-%d %H:%M:%S')  # 将符合条件的文本转换为日期时间
                    self.typeList.append("`{}` ".format(column) + "DATETIME DEFAULT NULL" + " COMMENT '{}'".format(comment))
                    continue
                except ValueError:
                    try:  # 尝试把字符型转换为数值型（整数型或浮点型）
                        self.data[column] = pd.to_numeric(self.data[column])
                        # 如果文本被转换位整数型 -----------------------------------------------------------------------
                        if self.data[column].dtypes in [np.dtype('int16'), np.dtype('int32'), np.dtype('int64'), np.dtype('uint16'),
                                                   np.dtype('uint32'), np.dtype('uint64')]:
                            int_len = max(len(str(self.data[column].max())), len(str(self.data[column].min()))) + 2  # 整数长度
                            self.typeList.append("`{}` ".format(column) + int_fun(int_len) + " DEFAULT NULL" + " COMMENT '{}'".format(comment))
                            continue
                        # 如果文本被转换位浮点型 -----------------------------------------------------------------------
                        elif self.data[column].dtypes in [np.dtype('float16'), np.dtype('float32'), np.dtype('float64')]:
                            self.typeList.append("`{}` ".format(column) + decimal_fun(column) + " DEFAULT NULL" + " COMMENT '{}'".format(comment))
                            continue
                    except:  # 剩下不能处理的就当文本来处理了
                        str_len = max([len(i) for i in self.data[column] if pd.notnull(i)] + [1]) + 2
                        self.typeList.append("`{}` ".format(column) + "VARCHAR({})".format(str_len) + " CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci DEFAULT NULL"
                                    + " COMMENT '{}'".format(comment))
        # 如果定义了 主键 则该字段默认不为空 ---------------------------------------------------------------------------
        for column, c in zip(self.data.columns, range(len(self.data.columns))):
            if column in ['id', 'ID', 'Id'] + self.primaryKey:
                self.typeList[c] = self.typeList[c].replace('DEFAULT NULL', 'NOT NULL')
                self.priDict[column] = c


    # 建表函数 #########################################################################################################
    def createTable(self):
        self.dataChange(); self.mysqlConnect()

        # 指定主键
        if len(self.primaryKey) == 1:  # 如果定义的是一个主键
            primaryKey_statement = ["PRIMARY KEY (`{}`)".format(col) for col in self.data.columns if col in ['id', 'ID', 'Id'] + self.primaryKey][0]
        else:  # 如果定义了两个以上字段作为主键则将其设为联合主键
            primaryKey_statement = "PRIMARY KEY ({})".format(','.join(['`' + k + '`' for k in self.primaryKey]))

        # 指定索引
        if self.key_union == False:  # 是否是联合索引
            key_statement = ','.join(["KEY (`{}`)".format(col) for col in self.data.columns if col in
                                      ['LoanOrderId', 'UserId', 'task_no', 'reqtId', 'BankId'] + self.key])
        else:  # 如果是联合索引，则联合索引名为其字段的合并
            key_statement = "KEY `{}` ({})".format('_'.join(self.key), ','.join(['`' + k + '`' for k in self.key]))
        # 执行建表语句 -------------------------------------------------------------------------------------------------
        self.wide_cursor.execute("USE {};".format(self.database))
        if self.tableDrop:  # 是否要删除已存在的表
            self.wide_cursor.execute("DROP TABLE IF EXISTS {};".format(self.table))
        self.wide_cursor.execute("CREATE TABLE if not exists `{table_}`( \
                            {data_demand_statement_}, \
                            {primary_key_}, \
                            {key_statement_}) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci \
                            COMMENT = '{table_comment_}';". \
                            format(table_ = self.table,  # 表名
                                   data_demand_statement_ = ','.join(self.typeList),  # 字段格式语句
                                   primary_key_ = primaryKey_statement,  # 主键语句
                                   key_statement_ = key_statement.strip(','),  # 索引语句
                                   table_comment_ = self.table_comment  # 表注释
                            )
        )
        self.wide_cursor.close()  # 关闭连接 ---------------------------------------------------------------------------

    # 存储函数 #########################################################################################################
    def tableStore(self):
        self.mysqlConnect()
        self.wide_cursor.execute("USE {};".format(self.database))

        f = lambda x: None if pd.isnull(x) else x  # 用于转换空值类型
        t = lambda x: datetime.strftime(x, '%Y-%m-%d %H:%M:%S') if type(x) in [datetime, pd._libs.tslibs.timestamps.Timestamp] else x  # 将时间转换为字符
        data_list_nan = [[f(i) for i in j] for j in self.data.values.tolist()]  # 将DataFrame转换为list 并处理空值
        data_list = [[t(i) for i in j] for j in data_list_nan]  # 处理时间
        columnsList = '`' + '`,`'.join(list(self.data.columns)) + '`'
        Value = '%s,' * self.data.shape[1]
        success = 0; remove = 0; failure = 0
        # 逐条存储
        for line in data_list:
            try:
                self.wide_cursor.execute("INSERT INTO {table_}({columns_}) VALUES({value_});". \
                                        format(table_ = self.table,
                                               columns_ = columnsList,
                                               value_ = Value.strip(',')),
                                               args = line)
                success += 1

            except pymysql.err.IntegrityError:  # 主键重复则删除该id行再插入新的一行数据
                if len(self.primaryKey) == 1:
                    self.wide_cursor.execute("DELETE FROM {} WHERE {} = '{}';".format(self.table, line[list(self.priDict.keys())[0]],
                                                                                    line[list(self.priDict.values())[0]]))
                else:
                    deletePri = ""
                    for i, j in self.priDict.items():
                        deletePri += "{} = '{}' and ".format(i, line[j])
                    self.wide_cursor.execute("DELETE FROM {} WHERE {}".format(self.table, deletePri[:-5]))

                self.wide_cursor.execute("INSERT INTO {table_}({columns_}) VALUES({value_});". \
                                        format(table_ = self.table,
                                               columns_ = columnsList,
                                               value_ = Value.strip(',')),
                                               args = line)
                remove += 1

            except:  # 当无法存储时，保存错误的id信息
                if len(self.primaryKey) == 1:
                    self.failureID.append(line[list(self.priDict.values())[0]])
                else:
                    fail = []
                    for fa in range(len(self.priDict)):
                        fail.append(line[list(f.priDict.values())[fa]])
                    self.failureID.append(fa)

        self.wide_connect.commit()  # 数据提交
        print('%s --------------------\n存储成功：%d\n删除后存储成功：%d\n存储失败：%d' % (self.table, success, remove, failure))
        self.wide_cursor.close()  # 关闭连接 --------------------------------------------------------------------------------

运行示例

运行示例一

这里从网上随便找一些数据进行测试：

df = pd.read_csv('https://raw.githubusercontent.com/plotly/datasets/master/gapminder2007.csv').reset_index()
f = dataStore(database = 'test_database',
              table = 'test_table',
              data = df,
              tableDrop= True,  # 删除已存在的表
              primaryKey= ['index'],
              key = ['country'],
              host = 'localhost',
              user = 'root',
              password = '12345',
              table_comment = '表名——测试')
f.dataChange()  # 进行数据转换
f.createTable()  # 创建表
f.tableStore()  # 存储表

f.dataChange() 进行数据转换，可通过 f.data 查看转换后的数据；
f.createTable() 根据数据的类型和大小在数据库里创建相应的表，结果如下所示：
在这里插入图片描述
在navicat里可以查看表的创建结果，达到了我们的目的；

f.tableStore() 在表创建好后运行可将数据存储至数据里，运行后会有如下结果：
在这里插入图片描述
可以看到有142条数据存储成功，如果在存储是发生主键重复，则会删除数据里的该条数据再插入，如果发生存储失败可通过 f.failureID 查看返回的错误主键id；
通过navicat查看数据存储结果：
在这里插入图片描述
到此我们完成了从数据转换到数据存储的所有过程。

运行示例二

data 参数我们也可以直接指定文件路径：

f = dataStore(database = 'test_database',
              table = 'test_table',
              data = 'F:/df.xlsx',  # 文件路径
              tableDrop= True,
              primaryKey= ['index'],
              key = ['country'],
              host = 'localhost',
              user = 'root',
              password = 'haozi21',
              table_comment = '表明——测试')

程序不足之处

  1. 主键和索引必须指定，否则会报错；
  2. 对文本型时间仅支持类似于 2018-12-11 12:56:34 的转换，如有需要可对该程序部分进行修改；
  3. 该类的3个主函数均可单独运行，由于只进行了简单测试，程序可能存在不少问题，还请见谅；
  4. 渣渣码字不容易，转载请注明出处，谢谢。
haozi-21
关注
python将数据存入mysqld数据库
03-04
python将数据存入mysqld数据库，使用MySQLdb进行连接存储
使用python将csv文件快速转存到mysql
tongtongjing1765的博客
07-30 2614
因为一些工作需要，我们经常会做一些数据持久化的事情，例如将临时数据存到文件里，又或者是存到数据库里。对于一个规范的表文件（例如csv），我们如何才能快速将数据存到mysq...
Python读取文件数据写入到数据库中，并反向从数据库读取保存到本地
最新发布
2401_83014899的博客
07-15 1134
设计一个类，完成数据封装，新建一个python文件，名为：data_define.py，根据数据的分析，成员变量包含 date, order_id, money, province# 数据定义的类self.date = date # 订单日期self.order_id = order_id # 订单IDself.money = money # 订单金额self.province = province # 销售省份。
简单地快速存储和读取的数据结构
01-06 816
在项目开发中，需要一个数据容器，需要快速存储数据，和随机读取。所以设计了一种linklist和hashmap的数据结构，linklist是副表，存储索引，hashmap是主表，存储数据。这是典型的以空间换时间做法。 /*  * Copyright (C) 2009 The Android Open Source Project  *  * Licensed under the Ap
Python数组存入mysql_Python在mysql数据库中插入数组元素
weixin_36122809的博客
02-04 1621
我正在处理图像并转换成大约400个数据值。我希望这些值都存储在列中。我的mysql表有如下列：MYID, WIDTH, HEIGHT,P1,P2,P3.....P400.因为我可以很容易地将这些文件写入到一个csv文件中，而不是直接将这些文件写入到一个csv文件中。在以下是我目前所写的：^{pr2}$如果我打印sqldata，它的打印方式如下：['120546506.jpg',650, 420, ...
爬sobooks电子书并把电子书的信息记录到mysql中
chenrunhua的专栏
12-01 8012
使用python3+selenium+chromeDriver爬sobooks的电子，记录书的信息（书名，作者，描述，出版时间等），转存到自己的百度云盘 环境：安装xmapp，下载chrome对应的chromeDriver.exe放到python安装目录下及安装python连接mysql的插件：pymysql 以下为配置文件：config.json 1.百度云的账号及密码   "baidu...
python工具-excel批量导入mysql (几千万数据半小时可搞定)
04-23
本篇文章将详细讲解如何利用Python工具实现Excel数据的批量导入到MySQL数据库，以及如何优化这一过程，使得几千万的数据能够在半小时内完成导入。 首先，我们需要了解Python中用于操作Excel的主要库——pandas。...
Python爬取数据并写入MySQL数据库的实例
09-09
在本实例中，我们将探讨如何使用Python编程语言从网页抓取数据并将其存储到MySQL数据库中。这个过程涉及两个主要部分：数据爬取和数据库操作。 1. **数据爬取**： 数据爬取通常使用Python中的第三方库，如...
python爬取招聘数据保存到mysql数据库
07-20
总之，这个项目涵盖了从数据获取、处理、存储到分析的整个流程，涉及到Python爬虫技术、数据库操作以及数据预处理等多个重要IT技能。通过这样的实践，可以提升对Web数据处理和数据库管理的理解与应用能力。
python将类似json的数据存储到MySQL中的实例
09-09
这个实例展示了如何利用Python和`pymysql`将JSON格式的数据存储到MySQL数据库中，这对于处理爬虫抓取的数据或者需要将结构化的JSON数据持久化的场景非常有用。需要注意的是，实际应用中应根据实际情况调整字段类型、...
通过python往mysql批量写入数据
Mr_wilson_liu的博客
06-17 3509
通过python往mysql批量写入数据
利用Python将文本数据批量存入数据库
weixin_46151145的博客
11-03 804
本次案例使用的两份数据格式分别为csv和json，根据面向对象思想，可分别编写用于读取两类文件的类；并编写一个数据类，用来存储读取到的信息。最后在程序主文件中，先建立数据库链接，通过链接对象执行SQL语句。新建两个空表用于存储这些数据--->插入数据，最后关闭链接即可。（新建表操作可以在MySQL图形化界面中进行，更加高效快捷，此处是为练习才使用python间接完成）
Python 读取千万级数据自动写入 MySQL 数据库
AI科技大本营
06-16 3894
作者 | python与数据分析来源 | 杰哥的IT之旅Python 读取数据自动写入 MySQL 数据库，这个需求在工作中是非常普遍的，主要涉及到 python 操作数据库，读写更新等，数据库可能是 mongodb、 es，他们的处理思路都是相似的，只需要将操作数据库的语法更换即可。本篇文章会给大家系统的分享千万级数据如何写入到 mysql，分为两个场景，三种方式。一、...
如何将python中的数据存储到mysql中
青枫浦上不胜愁
06-03 6266
一、最基本的准备1.1 本地安装mysql，推荐安装以下其中之一1.2 安装python软件二、建立连接1.1打开PyCharm编程软件1.2 打开mysql软件，否则连接不上1.3 在python环境中下载PyMysql库1.4 连接数据库二、创建表格1.1 在python中创建表格1.2 在mysql中查看三、Python中MySQL数据库操作四、参数说明。
python--存储数据到MySQL
热门推荐
mingyuli的博客
03-29 1万+
PyMySQL 是在 Python3.x 版本中用于连接 MySQL 服务器的一个库，Python2中则使用mysqldb。第一、PyMySQL 安装(1)、通过pip安装pymysql步骤：(1).进入下载地址https://github.com/PyMySQL/PyMySQL下载，点击Clone or download(2)、将下载好的文件解压(3)、在cmd窗口中输入一下命令安装成功！（2...
python存储数据mysql_python数据储存mysql
weixin_39890629的博客
01-12 72
import sysreload(sys)sys.setdefaultencoding( "utf-8" )import requestsimport jsonimport pymysqlconn = pymysql.connect(host=‘localhost‘,port=3306,user=‘root‘,password=‘root‘,db=‘toutiao‘,charset=‘utf8‘)...
python爬虫把数据保存到csv、mysql中
冷巷(✘_✘)的博客
12-24 3764
啧，放假几天游戏玩腻了，啥都不想干，突然想起来python这玩意，无聊就来玩玩目标：起点主要是拿到这几个数据分析下网页一个li对应一本小说，打开li看里面的东西首先是排名xpath来一下名字在第二个div里面接着是作者类型最后是章节和更新时间直接上代码导入库pymysql是连接mysqlrequests是请求库parsel是解析库csv是保存到csv文件里面看一下网址，拿一下请求头，然后直接请求接着解析上面的几个数据。
一篇文章让你轻松学会python爬取的数据保存到MySQL中,有案例哦
qq_63713328的博客
08-17 6407
一篇文章让你轻松学会python爬取的数据保存到MySQL中,有案例哦,还有pymysql详细用法解析
评论 3
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

haozi-21

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