解析标准树状文件为sql语句及代码解析（python版本，txt，mysql）

最新推荐文章于 2024-06-04 21:13:34 发布
最新推荐文章于 2024-06-04 21:13:34 发布
阅读量534 收藏
点赞数
分类专栏： 量化交易 文章标签： sql mysql 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_45564920/article/details/125456196
版权

如需C++版本，请跳转：解析标准树状文件为sql语句及代码解析（c++版本，txt，mysql）

使用场景

解析标准化的树状文件为数据库tree表insert语句，涉及：

  • 自动编号指标id（NodeCode）；
  • 获取节点间父子关系（ParentNode）；
  • 所属层级（LevelNumber）；
  • 是否为叶节点（NoteCategory：1中间节点，2叶子结点）；
  • 设置同级节点间顺序（BrotherNo）
目标效果

输入：树状文件片段（txt为例）
/clarksons/tree.txt

----Oil Tankers
------Trade & Demand
--------Monthly Global Seaborne Trade Indicators (Monthly)
----------Monthly Global Seaborne Crude Oil Trade Indicator % Yr/Yr 
----------Monthly Global Seaborne Crude Oil Trade Indicator % Yr/Yr 3mma
----------Monthly Global Seaborne Crude Oil Trade Indicator Volume Index
----------Monthly Global Seaborne Oil Products Trade Indicator % Yr/Yr 
----------Monthly Global Seaborne Oil Products Trade Indicator % Yr/Yr 3mma 
----------Monthly Global Seaborne Oil Products Trade Indicator Volume Index 
----------Monthly Global Seaborne Total Oil Trade Indicator % Yr/Yr 
----------Monthly Global Seaborne Total Oil Trade Indicator % Yr/Yr 3mma 
----------Monthly Global Seaborne Total Oil Trade Indicator Volume Index 
------Port Call Activity
--------Country
----------Russia Port Calls - Product Tankers 25,000+ dwt (Beta) 
----------Russia Port Calls - Product Tankers 25,000+ dwt (Beta) DWT million
----------Russia Port Calls - Crude Tankers (Beta) 
----------Russia Port Calls - Crude Tankers (Beta) DWT million

输出：自动生成的入库语句（mysql语句为例）
/clarksons/tree_sql.txt

UPDATE c_in_indicatortree set NoteCategory = 1 where NodeCode = 701 ;
INSERT INTO `caldb`.`c_in_indicatortree` (`ID`, `NodeCode`, `NodeName`, `NodeAbbr`, `ChiSpelling`, `ParentNode`, `BrotherNo`, `LevelNumber`, `NoteCategory`, `NodeState`, `UpdateTime`, `JSID`, `Edition`, `IndiRemark`)VALUES (701001, 701001, 'Oil Tankers', 'Oil Tankers', 'Oil Tankers', 701, 1, 3, 2, 1, now(), 1655703762299, 3502, NULL);
UPDATE c_in_indicatortree set NoteCategory = 1 where NodeCode = 701001 ;
INSERT INTO `caldb`.`c_in_indicatortree` (`ID`, `NodeCode`, `NodeName`, `NodeAbbr`, `ChiSpelling`, `ParentNode`, `BrotherNo`, `LevelNumber`, `NoteCategory`, `NodeState`, `UpdateTime`, `JSID`, `Edition`, `IndiRemark`)VALUES (701002, 701002, 'Trade & Demand', 'Trade & Demand', 'Trade & Demand', 701001, 1, 4, 2, 1, now(), 1655703762305, 3502, NULL);
UPDATE c_in_indicatortree set NoteCategory = 1 where NodeCode = 701002 ;
INSERT INTO `caldb`.`c_in_indicatortree` (`ID`, `NodeCode`, `NodeName`, `NodeAbbr`, `ChiSpelling`, `ParentNode`, `BrotherNo`, `LevelNumber`, `NoteCategory`, `NodeState`, `UpdateTime`, `JSID`, `Edition`, `IndiRemark`)VALUES (701003, 701003, 'Monthly Global Seaborne Trade Indicators (Monthly)', 'Monthly Global Seaborne Trade Indicators (Monthly)', 'Monthly Global Seaborne Trade Indicators (Monthly', 701002, 1, 5, 2, 1, now(), 1655703762312, 3502, NULL);
UPDATE c_in_indicatortree set NoteCategory = 1 where NodeCode = 701003 ;
INSERT INTO `caldb`.`c_in_indicatortree` (`ID`, `NodeCode`, `NodeName`, `NodeAbbr`, `ChiSpelling`, `ParentNode`, `BrotherNo`, `LevelNumber`, `NoteCategory`, `NodeState`, `UpdateTime`, `JSID`, `Edition`, `IndiRemark`)VALUES (701004, 701004, 'Monthly Global Seaborne Crude Oil Trade Indicator % Yr/Yr ', 'Monthly Global Seaborne Crude Oil Trade Indicator % Yr/Yr ', 'Monthly Global Seaborne Crude Oil Trade Indicator', 701003, 1, 6, 2, 1, now(), 1655703762321, 3502, NULL);
INSERT INTO `caldb`.`c_in_indicatortree` (`ID`, `NodeCode`, `NodeName`, `NodeAbbr`, `ChiSpelling`, `ParentNode`, `BrotherNo`, `LevelNumber`, `NoteCategory`, `NodeState`, `UpdateTime`, `JSID`, `Edition`, `IndiRemark`)VALUES (701005, 701005, 'Monthly Global Seaborne Crude Oil Trade Indicator % Yr/Yr 3mma', 'Monthly Global Seaborne Crude Oil Trade Indicator % Yr/Yr 3mma', 'Monthly Global Seaborne Crude Oil Trade Indicator', 701003, 2, 6, 2, 1, now(), 1655703762329, 3502, NULL);
INSERT INTO `caldb`.`c_in_indicatortree` (`ID`, `NodeCode`, `NodeName`, `NodeAbbr`, `ChiSpelling`, `ParentNode`, `BrotherNo`, `LevelNumber`, `NoteCategory`, `NodeState`, `UpdateTime`, `JSID`, `Edition`, `IndiRemark`)VALUES (701006, 701006, 'Monthly Global Seaborne Crude Oil Trade Indicator Volume Index', 'Monthly Global Seaborne Crude Oil Trade Indicator Volume Index', 'Monthly Global Seaborne Crude Oil Trade Indicator', 701003, 3, 6, 2, 1, now(), 1655703762336, 3502, NULL);
INSERT INTO `caldb`.`c_in_indicatortree` (`ID`, `NodeCode`, `NodeName`, `NodeAbbr`, `ChiSpelling`, `ParentNode`, `BrotherNo`, `LevelNumber`, `NoteCategory`, `NodeState`, `UpdateTime`, `JSID`, `Edition`, `IndiRemark`)VALUES (701007, 701007, 'Monthly Global Seaborne Oil Products Trade Indicator % Yr/Yr ', 'Monthly Global Seaborne Oil Products Trade Indicator % Yr/Yr ', 'Monthly Global Seaborne Oil Products Trade Indica', 701003, 4, 6, 2, 1, now(), 1655703762346, 3502, NULL);
INSERT INTO `caldb`.`c_in_indicatortree` (`ID`, `NodeCode`, `NodeName`, `NodeAbbr`, `ChiSpelling`, `ParentNode`, `BrotherNo`, `LevelNumber`, `NoteCategory`, `NodeState`, `UpdateTime`, `JSID`, `Edition`, `IndiRemark`)VALUES (701008, 701008, 'Monthly Global Seaborne Oil Products Trade Indicator % Yr/Yr 3mma ', 'Monthly Global Seaborne Oil Products Trade Indicator % Yr/Yr 3mma ', 'Monthly Global Seaborne Oil Products Trade Indica', 701003, 5, 6, 2, 1, now(), 1655703762356, 3502, NULL);
INSERT INTO `caldb`.`c_in_indicatortree` (`ID`, `NodeCode`, `NodeName`, `NodeAbbr`, `ChiSpelling`, `ParentNode`, `BrotherNo`, `LevelNumber`, `NoteCategory`, `NodeState`, `UpdateTime`, `JSID`, `Edition`, `IndiRemark`)VALUES (701009, 701009, 'Monthly Global Seaborne Oil Products Trade Indicator Volume Index ', 'Monthly Global Seaborne Oil Products Trade Indicator Volume Index ', 'Monthly Global Seaborne Oil Products Trade Indica', 701003, 6, 6, 2, 1, now(), 1655703762369, 3502, NULL);
INSERT INTO `caldb`.`c_in_indicatortree` (`ID`, `NodeCode`, `NodeName`, `NodeAbbr`, `ChiSpelling`, `ParentNode`, `BrotherNo`, `LevelNumber`, `NoteCategory`, `NodeState`, `UpdateTime`, `JSID`, `Edition`, `IndiRemark`)VALUES (701010, 701010, 'Monthly Global Seaborne Total Oil Trade Indicator % Yr/Yr ', 'Monthly Global Seaborne Total Oil Trade Indicator % Yr/Yr ', 'Monthly Global Seaborne Total Oil Trade Indicator', 701003, 7, 6, 2, 1, now(), 1655703762378, 3502, NULL);
INSERT INTO `caldb`.`c_in_indicatortree` (`ID`, `NodeCode`, `NodeName`, `NodeAbbr`, `ChiSpelling`, `ParentNode`, `BrotherNo`, `LevelNumber`, `NoteCategory`, `NodeState`, `UpdateTime`, `JSID`, `Edition`, `IndiRemark`)VALUES (701011, 701011, 'Monthly Global Seaborne Total Oil Trade Indicator % Yr/Yr 3mma ', 'Monthly Global Seaborne Total Oil Trade Indicator % Yr/Yr 3mma ', 'Monthly Global Seaborne Total Oil Trade Indicator', 701003, 8, 6, 2, 1, now(), 1655703762385, 3502, NULL);
INSERT INTO `caldb`.`c_in_indicatortree` (`ID`, `NodeCode`, `NodeName`, `NodeAbbr`, `ChiSpelling`, `ParentNode`, `BrotherNo`, `LevelNumber`, `NoteCategory`, `NodeState`, `UpdateTime`, `JSID`, `Edition`, `IndiRemark`)VALUES (701012, 701012, 'Monthly Global Seaborne Total Oil Trade Indicator Volume Index ', 'Monthly Global Seaborne Total Oil Trade Indicator Volume Index ', 'Monthly Global Seaborne Total Oil Trade Indicator', 701003, 9, 6, 2, 1, now(), 1655703762395, 3502, NULL);
INSERT INTO `caldb`.`c_in_indicatortree` (`ID`, `NodeCode`, `NodeName`, `NodeAbbr`, `ChiSpelling`, `ParentNode`, `BrotherNo`, `LevelNumber`, `NoteCategory`, `NodeState`, `UpdateTime`, `JSID`, `Edition`, `IndiRemark`)VALUES (701013, 701013, 'Port Call Activity', 'Port Call Activity', 'Port Call Activity', 701001, 2, 4, 2, 1, now(), 1655703762407, 3502, NULL);
UPDATE c_in_indicatortree set NoteCategory = 1 where NodeCode = 701013 ;
INSERT INTO `caldb`.`c_in_indicatortree` (`ID`, `NodeCode`, `NodeName`, `NodeAbbr`, `ChiSpelling`, `ParentNode`, `BrotherNo`, `LevelNumber`, `NoteCategory`, `NodeState`, `UpdateTime`, `JSID`, `Edition`, `IndiRemark`)VALUES (701014, 701014, 'Country', 'Country', 'Country', 701013, 1, 5, 2, 1, now(), 1655703762417, 3502, NULL);
UPDATE c_in_indicatortree set NoteCategory = 1 where NodeCode = 701014 ;
INSERT INTO `caldb`.`c_in_indicatortree` (`ID`, `NodeCode`, `NodeName`, `NodeAbbr`, `ChiSpelling`, `ParentNode`, `BrotherNo`, `LevelNumber`, `NoteCategory`, `NodeState`, `UpdateTime`, `JSID`, `Edition`, `IndiRemark`)VALUES (701015, 701015, 'Russia Port Calls - Product Tankers 25,000+ dwt (Beta) ', 'Russia Port Calls - Product Tankers 25,000+ dwt (Beta) ', 'Russia Port Calls - Product Tankers 25,000+ dwt (', 701014, 1, 6, 2, 1, now(), 1655703762426, 3502, NULL);
INSERT INTO `caldb`.`c_in_indicatortree` (`ID`, `NodeCode`, `NodeName`, `NodeAbbr`, `ChiSpelling`, `ParentNode`, `BrotherNo`, `LevelNumber`, `NoteCategory`, `NodeState`, `UpdateTime`, `JSID`, `Edition`, `IndiRemark`)VALUES (701016, 701016, 'Russia Port Calls - Product Tankers 25,000+ dwt (Beta) DWT million', 'Russia Port Calls - Product Tankers 25,000+ dwt (Beta) DWT million', 'Russia Port Calls - Product Tankers 25,000+ dwt (', 701014, 2, 6, 2, 1, now(), 1655703762436, 3502, NULL);
INSERT INTO `caldb`.`c_in_indicatortree` (`ID`, `NodeCode`, `NodeName`, `NodeAbbr`, `ChiSpelling`, `ParentNode`, `BrotherNo`, `LevelNumber`, `NoteCategory`, `NodeState`, `UpdateTime`, `JSID`, `Edition`, `IndiRemark`)VALUES (701017, 701017, 'Russia Port Calls - Crude Tankers (Beta) ', 'Russia Port Calls - Crude Tankers (Beta) ', 'Russia Port Calls - Crude Tankers (Beta) ', 701014, 3, 6, 2, 1, now(), 1655703762449, 3502, NULL);
INSERT INTO `caldb`.`c_in_indicatortree` (`ID`, `NodeCode`, `NodeName`, `NodeAbbr`, `ChiSpelling`, `ParentNode`, `BrotherNo`, `LevelNumber`, `NoteCategory`, `NodeState`, `UpdateTime`, `JSID`, `Edition`, `IndiRemark`)VALUES (701018, 701018, 'Russia Port Calls - Crude Tankers (Beta) DWT million ', 'Russia Port Calls - Crude Tankers (Beta) DWT million ', 'Russia Port Calls - Crude Tankers (Beta) DWT mill', 701014, 4, 6, 2, 1, now(), 1655703762457, 3502, NULL);
代码解析（c++）
import time


def get_first_not_of_(data):
    if data.startswith("-"):
        num = 0
        for char in data:
            if char == '-':
                num += 1
            else:
                break
        return num
    else:
        return -1


def gen_tree(source, table_name):
    file_read = open("./" + source + "/tree.txt", "r", encoding="UTF-8")
    file_write = open("./" + source + "/tree_sql.txt", "w", encoding="UTF-8")

    # parent_indicatorId 记录在n级别上的父指标id
    parent_indicator_id = [-1, 150000000, 801, 0, 0, 0, 0, 0]

    # brotherNo 记录在n级别上存在的兄弟节点个数
    brother_no = [-1, 1, 0, 0, 0, 0, 0, 0]

    # current parent
    parent_level = 2

    # start from first node
    cur_indicator_id = 801001

    # cursor
    last_indicator_id = parent_indicator_id[parent_level]
    last_level_cursor = parent_level

    # 遍历
    read_lines = file_read.readlines()

    for line in read_lines:

        if line[-1] == '\n':
            line = line[:-1]

        _num = get_first_not_of_(line)
        cur_level = _num // 2 + 1

        print(line)
        note_category = 2

        # peer, son, not son
        if cur_level == last_level_cursor:
            brother_no[cur_level] += 1
            cur_brother_no = brother_no[cur_level]
        elif last_level_cursor < cur_level:
            brother_no[cur_level] = 1
            cur_brother_no = brother_no[cur_level]
            update_sql = "UPDATE {} set NoteCategory = 1 where NodeCode = {};".format(table_name, last_indicator_id)
            file_write.write(update_sql+'\n')
        else:
            brother_no[last_level_cursor] = 0
            brother_no[cur_level] += 1
            cur_brother_no = brother_no[cur_level]

        # 从一维数组获取指标父节点，并更新当前级别父指标为当前指标
        cur_parent_indicator_id = parent_indicator_id[cur_level - 1]
        parent_indicator_id[cur_level] = cur_indicator_id

        # 指标名称截取
        cur_indicator_name = line[_num:]

        # 指标简称、拼音简称等生成
        node_abbr = cur_indicator_name[0:99]
        chi_spelling = cur_indicator_name[0:49]

        timestemp = time.time_ns() // 1000000

        insert_sql = """INSERT INTO {} VALUES ({}, {}, '{}', '{}', '{}', {}, {}, {}, {}, 1
        , now(), {}, 3502, NULL);"""\
            .format(table_name, cur_indicator_id, cur_indicator_id, cur_indicator_name, node_abbr, chi_spelling
                    , cur_parent_indicator_id, cur_brother_no, cur_level, note_category, timestemp)
        file_write.write(insert_sql+'\n')

        last_indicator_id = cur_indicator_id
        last_level_cursor = cur_level
        cur_indicator_id += 1
        time.sleep(0.005)

    file_read.close()
    file_write.close()


if __name__ == '__main__':
    gen_tree("clarksons", "indicator_tree")
云灬
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
py 读取sql文件_树模型解析成py或者sql文件的一些尝试
weixin_29994499的博客
01-25 137
import codecsimport jsonimport gcimport pandas as pdimport numpy as npdef lgb_tree_2gen(trees_dfm_, mid_transform_text, tree_index,node_index=None,depth=0,type_='py'):# Parameters# ----------#trees_df...
树状结构数据如何用sql进行处理
qq_42314563的博客
12-15 722
数据结构存储方式如下： 最底层节点存数据，如：4，8，9，6，12，13，11 父节点不存数。 根据以上结构建如下两张表： HTEST表 ID:所有节点 ID_FJ:该节点的父级节点 HTEST1表（树状结构最底层的节点存数） ID:数据节点 DATA：节点存数 做父级汇总后的结果展示：（每个节点的存数汇总） Sql如下： 处理父级不存数的情况： WITH ABC AS ( SELECT ...
C5.0决策树源代码
03-22
c5.0决策树算法，源代码可以运行，你要好好看看说明文件怎么运行。使用命令行。而且要有训练集。
python的sql解析库-sqlparse
最新发布
weixin_46429290的博客
06-04 1339
sqlparse 是一个 Python 库，是一个用于 Python 的非验证 SQL 解析器, 用于解析 SQL 语句并提供一个简单的 API 来访问解析后的 SQL 结构。可以帮助解析复杂的 SQL 查询，提取信息，或者对 SQL 语句进行一些基本的分析和操作。
python树结构_Python 解析树状结构文件
weixin_39783156的博客
11-29 381
背景：最近要解析一些树状结构的debug trace文本，为了便于阅读，希望解析成a.b.c 的结构。每个父节点和子节点靠一个Tab识别，叶子节点以ptr开头（除了Tab）。核心思想：首先找到叶子节点，然后依次向前找到父节点（父节点比当前节点少一个Tab），当遇到“}”， 表示这棵树结束了。现模拟debug trace 建一个文本文件1.txt。内容如下：service[hi]name: [1]{...
机器学习技巧_决策树规则输出成SQL
大道至简
07-21 1565
将sklearn的决策树规则输出成SQL 主要使用sklearn.tree._tree 读取决策树的信息 1、输出成SQL的主要函数 import numpy as np from sklearn.tree import DecisionTreeClassifier from sklearn.tree import _tree def tree_to_code(tree, feature_...
python如何解析复杂sql,实现数据库和表的提取的实例剖析
12-17
在Python中解析复杂的SQL语句是一项技术挑战，特别是在需要提取数据库和表名以进行权限管理的情况下。本实例将探讨如何实现这一目标，特别是在面对几百行的SQL查询时。首先，我们要理解需求背景：数据分析师提交的...
Python+MySQL+Tkinter设计学生信息管理系统（速成）の 思维导图
11-07
* 使用cursor对象执行SQL语句 * 使用SELECT语句查询数据 * 使用INSERT语句添加数据 * 使用UPDATE语句更新数据 * 使用DELETE语句删除数据 七、错误处理 * 使用messagebox.showerror()显示错误提示 * 使用messagebox...
mysql数据表导出生成xml文件和树形结构
12-30
在Python中，可以使用`xml.etree.ElementTree`库解析XML文件，并创建一个树状结构。然后，利用这个树结构，我们可以开发一个用户界面，展示数据表的树形视图。用户可以通过点击节点来加载或隐藏子节点，从而实现交互...
[其他类别]无限级树形菜单(Sql数据库)_mytree.zip
12-18
本案例中，"无限级树形菜单(Sql数据库)_mytree.zip" 提供了实现这种功能的源码，可能是用SQL数据库和某种编程语言（如PHP、JavaScript或Python）构建的。下面将详细介绍这个主题的相关知识点。 首先，无限级树形...
树形插件代码
12-14
在IT领域，树形插件是一种常见的用户界面组件，它以树状结构展示数据，使得层级关系一目了然。ZTree是一款广泛使用的JavaScript插件，尤其适用于构建可交互的树形菜单或目录结构。本实例是关于如何利用ZTree与MySQL...
flora-sql-parser：将SQL（选择）语句解析为抽象语法树（AST），并将AST转换回SQL
02-06
Flora SQL解析器 将简单SQL语句解析为抽象语法树（AST），然后将其转换回SQL。 用法 为SQL语句创建AST const { Parser } = require ( 'flora-sql-parser' ) ; const parser = new Parser ( ) ; const ast = parser . parse ( 'SELECT * FROM t' ) ; console . log ( ast ) ; 将AST转换回SQL const { Parser } = require ( 'flora-sql-parser' ) ; const ast = (
Python-sqlparse解析SQL工具库一文详解（二）
master_hunter的博客
10-13 3298
Python-sqlparse解析SQL工具库一文详解写此sqlparse库的目的还是寻找在python编程内可行的SQL血缘解析，JAVA去解析Hive的源码实践的话我还是打算放到后期来做，先把Python能够实现的先实现完。上篇系列讲述的基于antrl解析说是用python其实还是太牵强了，无非就是使用PyJnius调用JAVA的类方法来实现，没有多大的意义来牵扯到Python编程。主要是HiveSQL的底层就是JAVA代码，怎么改写还是绕不开JAVA的。
参数调优：K折交叉验证与GridSearch网格搜索
m0_46388544的博客
01-27 2386
本文代码及数据集来自《Python大数据分析与机器学习商业案例实战》 一、K折交叉验证 在机器学习中，因为训练集和测试集的数据划分是随机的，所以有时会重复地使用数据，以便更好地评估模型的有效性，并选出最好的模型，该做法称为交叉验证。具体而言就是对原始样本数据进行切分，然后组合成为多组不同的训练集和测试集，用训练集训练模型，用测试集评估模型。某次的训练集可能是下次的测试集，故而称为交叉验证。 交叉验证的方法有简单交叉验证、K折交叉验证和留一交叉验证3种。其中K折交叉验证应用较为广泛，它是指将数据集随机等分.
【机器学习】Decision Tree 决策树算法详解 + Python代码实战
热门推荐
知不足而奋进，望远山而前行
10-11 4万+
节点在分割之前必须具有的最小样本数：叶子节点必须具有的最小样本数：叶子节点的最大数量：在每个节点处评估用于拆分的最大特征数（除非特征非常多，否则不建议限制最大特征数）max_depth：树最大的深度。
[SQL Server玩转Python] 三.SQL Server存储过程实现Python鸢尾花决策树训练及预测
杨秀璋的专栏
11-14 6707
本系列文章主要讲解SQL Server 2017实现Python数据分析的文章，同时对比两者的优劣。前两篇文章主要讲解SQL Server开发Python环境的安装过程，T-SQL实现表的查询及简单的数据分析实验。这篇文章通过存储过程实现Python鸢尾花数据分析，将训练和预测分离进行实验。本文是基础性文章，该方面知识较少，自己也仍在不断学习中，希望对你有所帮助。
决策树算法python实现
qq_46033892的博客
08-09 8619
初学者在学习决策树过程中的记录，本文为代码编写内容，相关理论知识可见我的西瓜书决策树学习
【机器学习实战】决策树 python代码实现
颈椎小问题老奶奶的博客
10-05 7139
【小胡冲冲冲】机器学习实战 决策树
评论 1
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