ElasticSearch中全文搜索（单词搜索、多次搜索、组合搜索和权重搜索）

最新推荐文章于 2024-04-12 11:58:35 发布
最新推荐文章于 2024-04-12 11:58:35 发布
阅读量2.1k 收藏 8
点赞数
分类专栏： ElasticSearch 文章标签： elasticsearch 搜索引擎
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_44799217/article/details/126208398
版权

全文搜索两个最重要的方面是：

  • 相关性（Relevance） 它是评价查询与其结果间的相关程度，并根据这种相关程度对结果排名的一种能力，这种计算方式可以是 TF/IDF 方法、地理位置邻近、模糊相似，或其他的某些算法。
  • 分词（Analysis） 它是将文本块转换为有区别的、规范化的 token 的一个过程，目的是为了创建倒排索引以及 查询倒排索引。

一、构造数据

1、数据库中当前数据

 2、构建索引

PUT http://127.0.0.1:9200/study

# 请求数据
{
    "settings": {
        "index": {
            "number_of_shards": "1",
            "number_of_replicas": "0"
        }
    },
    "mappings": {
        "properties": {
            "name": {
                "type": "text"
            },
            "age": {
                "type": "integer"
            },
            "mail": {
                "type": "keyword"
            },
            "hobby": {
                "type": "text",
                "analyzer": "ik_max_word"
            }
        }
    }
}

# 响应数据
{
    "acknowledged": true,
    "shards_acknowledged": true,
    "index": "study"
}

3、添加数据

POST http://127.0.0.1:9200/study/_bulk

# 请求数据
{"index":{"_index":"study"}} 
{"name":"张三","age": 20,"mail": "111@qq.com","hobby":"羽毛球、乒乓球、足球"} 
{"index":{"_index":"study"}} 
{"name":"李四","age": 21,"mail": "222@qq.com","hobby":"羽毛球、乒乓球、足球、篮球"} 
{"index":{"_index":"study"}} 
{"name":"王五","age": 22,"mail": "333@qq.com","hobby":"羽毛球、篮球、游泳、听音乐"} 
{"index":{"_index":"study"}} 
{"name":"赵六","age": 23,"mail": "444@qq.com","hobby":"跑步、游泳"} 
{"index":{"_index":"study"}} 
{"name":"孙七","age": 24,"mail": "555@qq.com","hobby":"听音乐、看电影"}

# 响应数据
{
    "took": 16,
    "errors": false,
    "items": [
        {
            "index": {
                "_index": "study",
                "_type": "_doc",
                "_id": "i6jJdoIBU4c5cKp3GGKx",
                "_version": 1,
                "result": "created",
                "_shards": {
                    "total": 1,
                    "successful": 1,
                    "failed": 0
                },
                "_seq_no": 0,
                "_primary_term": 1,
                "status": 201
            }
        },
        {
            "index": {
                "_index": "study",
                "_type": "_doc",
                "_id": "jKjJdoIBU4c5cKp3GGKx",
                "_version": 1,
                "result": "created",
                "_shards": {
                    "total": 1,
                    "successful": 1,
                    "failed": 0
                },
                "_seq_no": 1,
                "_primary_term": 1,
                "status": 201
            }
        },
        {
            "index": {
                "_index": "study",
                "_type": "_doc",
                "_id": "jajJdoIBU4c5cKp3GGKx",
                "_version": 1,
                "result": "created",
                "_shards": {
                    "total": 1,
                    "successful": 1,
                    "failed": 0
                },
                "_seq_no": 2,
                "_primary_term": 1,
                "status": 201
            }
        },
        {
            "index": {
                "_index": "study",
                "_type": "_doc",
                "_id": "jqjJdoIBU4c5cKp3GGKx",
                "_version": 1,
                "result": "created",
                "_shards": {
                    "total": 1,
                    "successful": 1,
                    "failed": 0
                },
                "_seq_no": 3,
                "_primary_term": 1,
                "status": 201
            }
        },
        {
            "index": {
                "_index": "study",
                "_type": "_doc",
                "_id": "j6jJdoIBU4c5cKp3GGKx",
                "_version": 1,
                "result": "created",
                "_shards": {
                    "total": 1,
                    "successful": 1,
                    "failed": 0
                },
                "_seq_no": 4,
                "_primary_term": 1,
                "status": 201
            }
        }
    ]
}

二、全文搜索

2.1、单词搜索

POST  http://127.0.0.1:9200/study/_search

# 请求数据
{
    "query": {
        "match": {
            "hobby": "音乐"
        }
    },
    "highlight": {
        "fields": {
            "hobby": {}
        }
    }
}

# 响应数据
{
    "took": 67,
    "timed_out": false,
    "_shards": {
        "total": 1,
        "successful": 1,
        "skipped": 0,
        "failed": 0
    },
    "hits": {
        "total": {
            "value": 2,
            "relation": "eq"
        },
        "max_score": 0.9395274,
        "hits": [
            {
                "_index": "study",
                "_type": "_doc",
                "_id": "j6jJdoIBU4c5cKp3GGKx",
                "_score": 0.9395274,
                "_source": {
                    "name": "孙七",
                    "age": 24,
                    "mail": "555@qq.com",
                    "hobby": "听音乐、看电影"
                },
                "highlight": {
                    "hobby": [
                        "听<em>音乐</em>、看电影"
                    ]
                }
            },
            {
                "_index": "study",
                "_type": "_doc",
                "_id": "jajJdoIBU4c5cKp3GGKx",
                "_score": 0.77041256,
                "_source": {
                    "name": "王五",
                    "age": 22,
                    "mail": "333@qq.com",
                    "hobby": "羽毛球、篮球、游泳、听音乐"
                },
                "highlight": {
                    "hobby": [
                        "羽毛球、篮球、游泳、听<em>音乐</em>"
                    ]
                }
            }
        ]
    }
}

过程说明：

1. 检查字段类型

        爱好 hobby 字段是一个 text 类型（ 指定了IK分词器），这意味着查询字符串本身也应该被分词。

2. 分析查询字符串 。

        将查询的字符串 “音乐” 传入IK分词器中，输出的结果是单个项 音乐。因为只有一个单词项，所以 match 查询执 行的是单个底层 term 查询。

3. 查找匹配文档 。

        用 term 查询在倒排索引中查找 “音乐” 然后获取一组包含该项的文档，本例的结果是文档：3 、5 。

4. 为每个文档评分 。

        用 term 查询计算每个文档相关度评分 _score ，这是种将 词频（term frequency，即词 “音乐” 在相关文档的 hobby 字段中出现的频率）和 反向文档频率（inverse document frequency，即词 “音乐” 在所有文档的 hobby 字段中出现的频率），以及字段的长度（即字段越短相关度越高）相结合的计算方式。

2.2、单词搜索

POST  http://127.0.0.1:9200/study/_search

# 请求数据
{
    "query": {
        "match": {
            "hobby": "音乐 篮球"
        }
    },
    "highlight": {
        "fields": {
            "hobby": {}
        }
    }
}

# 响应数据
{
    "took": 22,
    "timed_out": false,
    "_shards": {
        "total": 1,
        "successful": 1,
        "skipped": 0,
        "failed": 0
    },
    "hits": {
        "total": {
            "value": 3,
            "relation": "eq"
        },
        "max_score": 1.5408251,
        "hits": [
            {
                "_index": "study",
                "_type": "_doc",
                "_id": "jajJdoIBU4c5cKp3GGKx",
                "_score": 1.5408251,
                "_source": {
                    "name": "王五",
                    "age": 22,
                    "mail": "333@qq.com",
                    "hobby": "羽毛球、篮球、游泳、听音乐"
                },
                "highlight": {
                    "hobby": [
                        "羽毛球、<em>篮球</em>、游泳、听<em>音乐</em>"
                    ]
                }
            },
            {
                "_index": "study",
                "_type": "_doc",
                "_id": "j6jJdoIBU4c5cKp3GGKx",
                "_score": 0.9395274,
                "_source": {
                    "name": "孙七",
                    "age": 24,
                    "mail": "555@qq.com",
                    "hobby": "听音乐、看电影"
                },
                "highlight": {
                    "hobby": [
                        "听<em>音乐</em>、看电影"
                    ]
                }
            },
            {
                "_index": "study",
                "_type": "_doc",
                "_id": "jKjJdoIBU4c5cKp3GGKx",
                "_score": 0.77041256,
                "_source": {
                    "name": "李四",
                    "age": 21,
                    "mail": "222@qq.com",
                    "hobby": "羽毛球、乒乓球、足球、篮球"
                },
                "highlight": {
                    "hobby": [
                        "羽毛球、乒乓球、足球、<em>篮球</em>"
                    ]
                }
            }
        ]
    }
}

        上面查询中只要是包含篮球和音乐的都被查询出来了。但是这有时候不能达到我们的要求，我们大部分时候都是希望两个词是同时包含的。这时候可以使用elasticsearch中指定词之间逻辑关系operator："and"

POST  http://127.0.0.1:9200/study/_search

# 请求数据
{
    "query": {
        "match": {
            "hobby": {
                "query": "音乐 篮球",
                "operator": "and"
            }
        }
    },
    "highlight": {
        "fields": {
            "hobby": {}
        }
    }
}

# 响应结果
{
    "took": 6,
    "timed_out": false,
    "_shards": {
        "total": 1,
        "successful": 1,
        "skipped": 0,
        "failed": 0
    },
    "hits": {
        "total": {
            "value": 1,
            "relation": "eq"
        },
        "max_score": 1.5408251,
        "hits": [
            {
                "_index": "study",
                "_type": "_doc",
                "_id": "jajJdoIBU4c5cKp3GGKx",
                "_score": 1.5408251,
                "_source": {
                    "name": "王五",
                    "age": 22,
                    "mail": "333@qq.com",
                    "hobby": "羽毛球、篮球、游泳、听音乐"
                },
                "highlight": {
                    "hobby": [
                        "羽毛球、<em>篮球</em>、游泳、听<em>音乐</em>"
                    ]
                }
            }
        ]
    }
}

        上面的测试结果都是选择了"and"和"or"两个极端情况下，但是在真正搜索中，我们不会使用这两个极端情况的，这样就需要另外一种查询方式，即为只需要符合一定的相似度就可以查询到的数据，在elasticsearch中就支持这种查询方式，如使用minimum_should_match来指定匹配度，如60%。

POST  http://127.0.0.1:9200/study/_search

# 请求数据
{
    "query": {
        "match": {
            "hobby": {
                "query": "游泳 羽毛球",
                "minimum_should_match": "80%"
            }
        }
    },
    "highlight": {
        "fields": {
            "hobby": {}
        }
    }
}

# 响应数据
{
    "took": 6,
    "timed_out": false,
    "_shards": {
        "total": 1,
        "successful": 1,
        "skipped": 0,
        "failed": 0
    },
    "hits": {
        "total": {
            "value": 3,
            "relation": "eq"
        },
        "max_score": 2.1933634,
        "hits": [
            {
                "_index": "study",
                "_type": "_doc",
                "_id": "jajJdoIBU4c5cKp3GGKx",
                "_score": 2.1933634,
                "_source": {
                    "name": "王五",
                    "age": 22,
                    "mail": "333@qq.com",
                    "hobby": "羽毛球、篮球、游泳、听音乐"
                },
                "highlight": {
                    "hobby": [
                        "<em>羽毛球</em>、篮球、<em>游泳</em>、听音乐"
                    ]
                }
            },
            {
                "_index": "study",
                "_type": "_doc",
                "_id": "i6jJdoIBU4c5cKp3GGKx",
                "_score": 1.7171206,
                "_source": {
                    "name": "张三",
                    "age": 20,
                    "mail": "111@qq.com",
                    "hobby": "羽毛球、乒乓球、足球"
                },
                "highlight": {
                    "hobby": [
                        "<em>羽毛球</em>、乒乓<em>球</em>、足球"
                    ]
                }
            },
            {
                "_index": "study",
                "_type": "_doc",
                "_id": "jKjJdoIBU4c5cKp3GGKx",
                "_score": 1.6262295,
                "_source": {
                    "name": "李四",
                    "age": 21,
                    "mail": "222@qq.com",
                    "hobby": "羽毛球、乒乓球、足球、篮球"
                },
                "highlight": {
                    "hobby": [
                        "<em>羽毛球</em>、乒乓<em>球</em>、足球、篮球"
                    ]
                }
            }
        ]
    }
}

2.3、组合搜索

        在搜索时除了上面的方法外，还可以使用过滤器中的bool组合搜索。

POST  http://127.0.0.1:9200/study/_search

# 请求数据
{
    "query": {
        "bool": {
            "must": {
                "match": {
                    "hobby": "篮球"
                }
            },
            "must_not": {
                "match": {
                    "hobby": "音乐"
                }
            },
            "should": [
                {
                    "match": {
                        "hobby": "游泳"
                    }
                }
            ]
        }
    },
    "highlight": {
        "fields": {
            "hobby": {}
        }
    }
}

# 响应数据
{
    "took": 6,
    "timed_out": false,
    "_shards": {
        "total": 1,
        "successful": 1,
        "skipped": 0,
        "failed": 0
    },
    "hits": {
        "total": {
            "value": 1,
            "relation": "eq"
        },
        "max_score": 0.77041256,
        "hits": [
            {
                "_index": "study",
                "_type": "_doc",
                "_id": "jKjJdoIBU4c5cKp3GGKx",
                "_score": 0.77041256,
                "_source": {
                    "name": "李四",
                    "age": 21,
                    "mail": "222@qq.com",
                    "hobby": "羽毛球、乒乓球、足球、篮球"
                },
                "highlight": {
                    "hobby": [
                        "羽毛球、乒乓球、足球、<em>篮球</em>"
                    ]
                }
            }
        ]
    }
}

注意：上面示例中在搜索结果中必须包含篮球，不能包含音乐，如果包含了游泳，那么它的相似度更高。

评分的计算规则

  • bool 查询会为每个文档计算相关度评分 _score ， 再将所有匹配的 must 和 should 语句的分数 _score 求和， 最后除以 must 和 should 语句的总数。
  • must_not 语句不会影响评分； 它的作用只是将不相关的文档排除。

注意：默认情况下，should中的内容不是必须匹配的，如果查询语句中没有must，那么就会至少匹配其中一个。当然了， 也可以通过minimum_should_match参数进行控制，该值可以是数字也可以的百分比。

POST  http://127.0.0.1:9200/study/_search

# 请求数据
{
    "query": {
        "bool": {
            "should": [
                {
                    "match": {
                        "hobby": "游泳"
                    }
                },
                {
                    "match": {
                        "hobby": "篮球"
                    }
                },
                {
                    "match": {
                        "hobby": "音乐"
                    }
                }
            ],
            "minimum_should_match": 2
        }
    },
    "highlight": {
        "fields": {
            "hobby": {}
        }
    }
}

# 响应数据
{
    "took": 4,
    "timed_out": false,
    "_shards": {
        "total": 1,
        "successful": 1,
        "skipped": 0,
        "failed": 0
    },
    "hits": {
        "total": {
            "value": 1,
            "relation": "eq"
        },
        "max_score": 2.3112378,
        "hits": [
            {
                "_index": "study",
                "_type": "_doc",
                "_id": "jajJdoIBU4c5cKp3GGKx",
                "_score": 2.3112378,
                "_source": {
                    "name": "王五",
                    "age": 22,
                    "mail": "333@qq.com",
                    "hobby": "羽毛球、篮球、游泳、听音乐"
                },
                "highlight": {
                    "hobby": [
                        "羽毛球、<em>篮球</em>、<em>游泳</em>、听<em>音乐</em>"
                    ]
                }
            }
        ]
    }
}

2.4、权重搜索

        在一些情况下，可能会对某些词增加权重来影响该条数据的得分。

POST  http://127.0.0.1:9200/study/_search

# 请求数据
{
    "query": {
        "bool": {
            "must": {
                "match": {
                    "hobby": {
                        "query": "游泳篮球",
                        "operator": "and"
                    }
                }
            },
            "should": [
                {
                    "match": {
                        "hobby": {
                            "query": "音乐",
                            "boost": 10
                        }
                    }
                },
                {
                    "match": {
                        "hobby": {
                            "query": "跑步",
                            "boost": 2
                        }
                    }
                }
            ]
        }
    },
    "highlight": {
        "fields": {
            "hobby": {}
        }
    }
}

# 响应数据
{
    "took": 5,
    "timed_out": false,
    "_shards": {
        "total": 1,
        "successful": 1,
        "skipped": 0,
        "failed": 0
    },
    "hits": {
        "total": {
            "value": 1,
            "relation": "eq"
        },
        "max_score": 9.24495,
        "hits": [
            {
                "_index": "study",
                "_type": "_doc",
                "_id": "jajJdoIBU4c5cKp3GGKx",
                "_score": 9.24495,
                "_source": {
                    "name": "王五",
                    "age": 22,
                    "mail": "333@qq.com",
                    "hobby": "羽毛球、篮球、游泳、听音乐"
                },
                "highlight": {
                    "hobby": [
                        "羽毛球、<em>篮球</em>、<em>游泳</em>、听<em>音乐</em>"
                    ]
                }
            }
        ]
    }
}

IT之一小佬
关注
  • 0
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Elasticsearch（Es搜索（简单使用、全文查询、复合查询）、地理位置查询、特殊查询、聚合操作、桶聚合、管道聚合)
weixin_43360488的博客
09-24 2898
match_phrase_prefix 是针对分片级别的查询，假设 max_expansions 为 1，可能返回多个文档，但是只有一个词，这是我们预期的结果。有的时候实际返回结果和我们预期结果并不一致，原因在于这个查询是分片级别的，不同的分片确实只返回了一个词，但是结果可能来自不同的分片，所以最终会看到多个词。换句话说，上面的查询和下面的查询等价。即 term 查询，就是根据词去查询，查询指定字段中包含给定单词的文档，term 查询不被解析，只有搜索的词和文档中的词精确匹配，才会返回文档。
ppt-全文搜索引擎ElasticSearch介绍与使用.pptx
04-01
全文搜索引擎ElasticSearch介绍与使用
ElasticSearch搜索API(下)
u011759340的博客
05-28 427
五 文本搜索 5.1 文本搜索简介 5.1.1　文本的索引建立过程 文档-词语矩阵建立完成之后，接着需要建立基于词语的倒排索引。ES会遍历文档词语矩阵中的每一个词语，然后将包含该词语的文档信息与该词语建立一种映射关系。映射关系中的词语集合叫作Term Dictionary，即“词典”。映射中的文档集合信息不仅包含文档ID，还包含词语在文档中的位置和词频信息，包含这些文档信息的结构叫作Posting List。对于一个规模很大的文档集合来说，可能包含几十万甚至上百万的词语集合，能否快速定位某个词语，直接影响搜
Elastic Search一些用法
qq_41787812的博客
11-09 1549
elastic search一些用法
基于 ElasticSearch 实现站内全文搜索，写得太好了
最新发布
2401_84048467的博客
04-12 591
搜索引擎服务使用ElasticSearch提供的对外web服务选则springboot web。
查询ES之细化需求实现多字段、范围过滤、加权和高亮
大数据，Linux，服务器，技术、架构，方案
03-15 738
它用于在字段之间分配更多的“重要性”，但实际的得分还会受到文档内容、字段分析和查询类型等多种因素的影响。只需略微修改一下，就可以提高title字段的权重，根据生产实际，我们认为标题的重要性显然是高于正文内容的，因此权重相对提高5倍。类型会返回匹配最佳字段的文档，并考虑字段的权重。字段，其中包含了被高亮的文本片段。这个返回结果需要前端逻辑处理和渲染才能展示高亮的效果。字段的匹配将对最终得分产生更大的影响。上述查询中的高亮逻辑主要是其中的。字段的权重被设置为5，这意味着。值，因此它将使用默认权重1。
elasticsearch 搜索
04-19 2440
1、安装 1）下载： 官方下载地址：Download Elasticsearch | Elastic 我是去历史版本里下载的 7.10.1版本 2、安装/运行 下载后，解压缩，运行bin目录的：elasticsearch.bat即可运行 运行后看到如下界面： 然后访问： localhost:9200 说明：安装成功！ （坑：之前作者安装了 但是死活访问不了，后面可能是因为安装了node.js才解决，不确定解决的方法） 额外的配置： 4.打开 conf...
【Elasticsearch】全文搜索
qq_31426247的博客
06-13 1440
【Elasticsearch】全文搜索
全文搜索概述
Leon_Jinhai_Sun的博客
08-09 352
搜索也称之为检索,大家对于搜索检索并不陌生,比如我们在浏览器里用百度,谷歌,对于某个问题进行搜素,又比如我们 在逛论坛的时候,我们想做某个技术相关的帖子,我们也要到搜索框里搜一搜,相关的结果看一看,这是一个搜素,还有就是 我们在操作关系型数据库的时候,我们其实查询数据结果的话,他本身也是一个搜索的过程,我们根据我们的SQL语句,数据库 会执行搜索,把匹配到的一些结果,返回给用户,这也是一个...
ElasticSearch是什么？Lucene是什么？
jj89929665的博客
02-02 740
ElasticSearch 分布式全文检索引擎 Elasticsearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口（请求分类 get post delete put）。Elasticsearch是用Java语言开发的，并作为Apache许可条款下的开放源码发布，是一种流行的企业级搜索引擎。Elasticsearch用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。官方客户端在Java、.NET（C#）、PHP、Python
人工智能-项目实践-搜索引擎-SpringBoot+ElasticSearch全文搜索引擎
02-26
在本项目实践中，我们将深入探讨如何使用Spring Boot和Elasticsearch构建一个全文搜索引擎。这是一个典型的人工智能应用，其中搜索引擎是关键组件，用于处理和检索大量数据。让我们逐一解析这个项目涉及的技术点。 ...
全文搜索软件
11-26
【全文内容搜索软件】FileLocatorPro 本人一直在用的超级好用的软件,亲测可用
基于ElasticSearch的Communism全文搜索引擎
02-25
基于ElasticSearch的Communism全文搜索引擎 依赖环境 Python 3.7（建议直接使用 Anaconda ） ElasticSearch 7.5.0 （核心依赖组件） MySQL 8.0 （目前不是强制需要） 安装方式 下载项目源码到本地，并进入根目录 ...
五百多万常见中文分词，搜索引擎elasticsearch可直接使用
02-22
内容包含五百多万常见中文词典，每个词占一行，UTF8编码，用于搜索引擎分词。
基于Java的Elasticsearch全文搜索引擎设计源码
03-28
Elasticsearch全文搜索引擎源码：包含49个文件，使用Java、JavaScript、HTML和CSS技术开发，基于Elasticsearch构建网站日志处理系统，通过数据同步工具等开源组件快速构建日志处理系统，适合网站日志分析和数据检索...
elasticsearch ES搜索权重设置(boost参数)
m0_54853420的博客
08-30 1199
摘要：7.Elasticsearch boost的搜索条件权重_lm324114的专栏-CSDN博客_boost es摘要2：elasticsearch boost - 简书摘要3：Elasticsearch 10 Boost(提升权重) - 简书
ElasticSearch搜索引擎
小小小猿
07-28 1253
elasticSearch
Elasticsearch(五)----search搜索详解
Apple_Andy的博客
11-15 1454
一.字符串查询(query string search) 1.全搜索 timeout参数：是超时时长定义。代表每个节点上的每个shard执行搜索时最多耗时多久。不会影响响应的正常返回。只会影响返回响应中的数据数量。 GET [索引名/类型名/]_search?timeout=10ms 结果: { "took": 144, #请求耗时多少毫秒 "timed_out": false, #是否超时。默认情况下没有超时机制，也就是客户端等待Elasticsearch搜索结束（无论执行多久），提供超时机制的
ElasticSearch快速实现搜索功能
qq_28650671的博客
03-16 2151
ElasticSearch快速实现搜索功能基本概念准备数据Java代码封装下接口 基本概念 映射（mapping） 动态映射 Elasticsearch不需要定义Mapping映射（即关系型数据库的表结构），在文档写入 Elasticsearch时，会根据文档字段自动识别类型，这种机制称之为动态映射 静态映射 静态映射是在Elasticsearch中创建索引的时候事先定义好映射，包含文档的各字段类型、分词器等，这种方式称之为静态映射 分词器 es自带的分词器，默认standard模式 ik分词
es高手进阶篇笔记，136章
02-25
es高手进阶篇笔记，136章

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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