9.ElasticSearch-全文检索

最新推荐文章于 2024-04-03 08:51:35 发布
最新推荐文章于 2024-04-03 08:51:35 发布
阅读量169 收藏
点赞数
分类专栏： # alibabaCloud 文章标签： 全文检索 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_50973728/article/details/123361409
版权

全文检索基础

在这里插入图片描述

全文检索流程

在这里插入图片描述

相关概念

索引库
在这里插入图片描述
document对象（相当于一条记录）
在这里插入图片描述
field对象
在这里插入图片描述
term对象
在这里插入图片描述

ElasticSearch入门

在这里插入图片描述
在这里插入图片描述

核心概念

索引 index
在这里插入图片描述
类型 type
在这里插入图片描述

字段 Field
在这里插入图片描述
映射mapping
在这里插入图片描述
文档document
在这里插入图片描述
接近实时NRT
在这里插入图片描述
集群 cluster
在这里插入图片描述
节点 node
在这里插入图片描述
分片和复制 shards&replicas
在这里插入图片描述

安装（docker）

docker pull elasticsearch:5.6.8

安装es容器

docker run -id --name=es -p 9200:9200 -p 9300:9300 elasticsearch:5.6.8

在这里插入图片描述

开启远程连接

docker exec -it es /bin/bash

cd /usr/share/elasticsearch/config

elastucsearch没有vi命令，安装编辑器

apt-get update
apt-get install vim

vi elasticsearch.yml

打开transport.host: 0.0.0.0前面的注释

同时在下面添加

cluster.name:my-application

系统参数配置
在/etc/security/limits.conf追加

* soft nofile 65536
* hard nofile 65536

追加 /etc/sysctl.conf

vm.max_map_count=655360

执行下列命令，修改内核参数马上生效

sysctl -p

跨域配置

修改/usr/share/elasticsearch/config/elasticsearch.yml

http.cors.enabled: true
http.cors.allow-origin: "*"
network.host: 192.168.238.129

在这里插入图片描述

重启

docker restart es

elasticsearch-head插件 客户端操作

在这里插入图片描述
在这里插入图片描述

使用Postman工具进行Restful接口访问

ElasticSearch接口语法

在这里插入图片描述

创建索引index和映射mapping

请求url

PUT 192.168.238.129:9200/blog1

在这里插入图片描述
在这里插入图片描述

创建索引后设置mapping

在这里插入图片描述
请求的url

POST http://192.168.238.129:9200/blog2/hello/_mapping

在这里插入图片描述

删除索引index

DELETE 192.168.238.129:9200/blog1

创建文档document

POST 192.168.238.129:9200/blog1/article/1

请求体
在这里插入图片描述

修改文档document

POST 192.168.238.129:9200/blog1/article/1

请求体
在这里插入图片描述

删除文档document

DELETE 192.168.238.129：9200/blog1/article/1

查询文档-根据id

GET 192.168.238.129:9200/blog1/article/1

在这里插入图片描述

查询文档-querystring

POST 192.168.238.129：9200/blog1/article/_search

在这里插入图片描述
在这里插入图片描述

查询文档-term查询

POST 192.168.238.129:9200/blog1/article/_search

在这里插入图片描述
在这里插入图片描述

IK分词器

在这里插入图片描述
分词器下载地址

unzip elasticsearch-analysis-ik-5.6.8.zip
mv elasticsearch ik

将目录拷贝进容器plugins下

docker cp id es:/usr/share/elasticsearch/plugins

测试

http://192.168.238.129:9222/_analyze?analyzer=ik_smart&pretty=true&text=我是程序员

在这里插入图片描述

http://192.168.238.129:9222/_analyze?analyzer=ik_max_word&pretty=true&text=我是程序员

在这里插入图片描述
在这里插入图片描述
指定分词器类型即可
在这里插入图片描述

Kibana（docker）

在这里插入图片描述

docker pull docker.io/kibana:5.6.8
docker run -it -d -e ELASTICSEARCH_URL=http://192.168.238.129:9200 --name kibana --restart=always -p 5601:5601 kibana:5.6.8

ELASTICSEARCH_URL:链接的ES地址
restart=always 开机启动
快捷键
在这里插入图片描述
测试访问

http://192.168.238.129:5601

在这里插入图片描述

DSL语句

在这里插入图片描述
获取所有索引

GET /_cat/indices?v

在这里插入图片描述
删除索引

DELETE /usr

在这里插入图片描述
创建索引

PUT /usr

创建索引和映射
在这里插入图片描述
新增文档数据
在这里插入图片描述
更新数据
在这里插入图片描述
查询

GET /user/userinfo/4

查询全部

GET /user/userinfo/_search

排序
在这里插入图片描述
分页
在这里插入图片描述
查询所有数据

GET _search

term查询（不分词）
在这里插入图片描述
在这里插入图片描述

match查询（分词）
在这里插入图片描述
query查询（分词）
在这里插入图片描述
range查询（安装指定范围查找一批数据）
在这里插入图片描述
exists查询（过滤可以用于查找某个域的数据）
在这里插入图片描述
bool查询
在这里插入图片描述
在这里插入图片描述
match查询（分词）
在这里插入图片描述
在这里插入图片描述
prefix查询（以什么字符开头的）
在这里插入图片描述
multi_match查询（match查询的基础上同时搜索多个字段，在多个字段中同时查一个）在这里插入图片描述
filter查询
在这里插入图片描述
在这里插入图片描述

ElasticSearch编程

<dependency>
	<groupId>org.elasticsearch.client</groupId>
	<artifactId>transport</artifactId>
	<version>5.6.8<version>
</dependency>


TransportClient client;

@Before
public void init() throws Exception{
	//配置
	Settings settings = Settings.builder().put("cluster.name","my-elasticsearch").build();
	//客户端
	client = new PreBuiltTransportClient(settings);
}

创建索引index

@Test
public void createIndex() throws Exception {
	client.addTransportAddress(new InetSocketTransportAddress(InetAddress.getByName("192.168.238.129"),9300));
	//创建映射
	XContentBuilder builder = XContentFactory.jsonBuilder()
		.startObject()
		.startObject("article")
		.startObject("properties")
		.startObject("id")
		.field("type","integer").field("store","yes")
		.endObject()
		.startObject("title")
		.field("type","string").field("store","yes").field("analyzer","ik_smart")
		.endObject()
		.startObject("content")
		.field("type","string").field("store","yes").field("analyzer","ik_smart")
		.endObject()
		.endObject()
		.endObject()
		.endObject();


	//使用api创建索引
	client.admin().indices()
	.preparePutMapping("index_hello")
	.setType("article")
	.setSource(builder)
	.get();
	//关闭client
	client.close();
}

建立文档

@Test
public void testAddDocument() throws Exception{
	//创建文档对象
	XContentBuilder builder = XContentFactory.jsonBuilder()
		.startObject()
		.field("id",21)
		.field("title","北方入秋速度加快")
		.field("content","阿联酋一架客机在纽约机场")
		.endObject();
	//把文档对象添加到索引库
	client.prepareIndex()
		//设置索引名称
		.setIndex("index_hello")	
		//设置type
		.setType("article")
		//设置文档id，默认自动生成
		.setId("2")
		//设置文档信息
		.setSource(builder)
		//执行
		.get();
	//关闭client
	client.close();
		
}

使用Jackson转换实体

public class Article{
	private Integer id;
	private String title;
	private String content;
}

<dependency>
	<groupId>com.fasterxml.jackson.core</groupId>
	<artifactId>jackson-core</artifactId>
	<version>2.8.1<version>
</dependency>

<dependency>
	<groupId>com.fasterxml.jackson.core</groupId>
	<artifactId>jackson-databing</artifactId>
	<version>2.8.1<version>
</dependency>

<dependency>
	<groupId>com.fasterxml.jackson.core</groupId>
	<artifactId>jackson-annotations</artifactId>
	<version>2.8.1<version>
</dependency>

@Test
public void testAddDocument2() throws Exception {
	Article article = new Article(31,"北方入秋速度加快","阿联酋一架客机在纽约机场");
	ObjectMapper objectMapper = new ObjectMapper();
	String jsonDocuemnt = objectMapper.writeValueAsString(article);
	//使用client对象把文档写入索引库
	client.prepareIndex()
		//设置索引名称
		.setIndex("index_hello")	
		//设置type
		.setType("article")
		//设置文档id，默认自动生成
		.setId("2")
		//设置文档信息
		.setSource(jsonDocument,XContentType.JSON)
		//执行
		.get();
	client.prepareIndex("index_hello","article","3")
		  .setSource(jsonDocument,XContentType.JSON)
		  .get();
		
	//关闭client
	client.close();
}

查询文档

结果显示

public void search(queryBuilder){
	SearchResponse searchResponse = client.prepareSearch("index_hello")
		.setTypes("article")
		.setQuery(queryBuilder)
		.get();
	SearchHits searchHits = searchResponse.getHits();
	System.out.println("总行数"+searchHits.getTotalHits());
	Iterator<SearchHit> it = searchHits.iterator();
	while(it.hasNext()){
		SearchHit searchHits = it.next();
		System.out.println(searchHits.getSourceAsString());
		System.out.println("文档属性");
		Map<String,Object> document = searchHit.getSOurce();
		System.out.println(document.get("id"));
		System.out.println(document.get("title"));
		System.out.println(document.get("content"));
	}
	//关闭client
	client.close();
}

term查询

@Test
public void testQueryByTerm() throws Exception {
	QueryBuilder queryBuilder = QueryBuilders.termQuery("title","女护士");
	search(queryBuilder)
}

quertString 查询

@Test
public void testQueryByQuertString() throws Exception {
	QueryBuilder queryBuilder = QueryBuilders.quertStringQuery("女护士").defaultField("title");
	search(queryBuilder)
}

match查询

@Test
public void testQueryByMatchQuery() throws Exception {
	QueryBuilder queryBuilder = QueryBuilders.matchQuery("title","女护士");
	search(queryBuilder)
}

id查询

@Test
public void testQueryById() throws Exception {
	QueryBuilder queryBuilder = QueryBuilders.idsQuery().addIds("1"."2")
	search(queryBuilder)
}

分页查询

@Test
public void testQueryByPage() throws Exception {
	QueryBuilder queryBuilder = QueryBuilders.matchAllQuery();
	SearchResponse searchResponse = client.prepareSearch("index_hello")
		.setTypes("article")
		.setQuery(queryBuilder)
		.setFrom(0)
		.setSize(5)
		.get();
	SearchHits searchHits = searchResponse.getHits();
	System.out.println("总行数"+searchHits.getTotalHits());
	Iterator<SearchHit> it = searchHits.iterator();
	while(it.hasNext()){
		SearchHit searchHits = it.next();
		System.out.println(searchHits.getSourceAsString());
		System.out.println("文档属性");
		Map<String,Object> document = searchHit.getSOurce();
		System.out.println(document.get("id"));
		System.out.println(document.get("title"));
		System.out.println(document.get("content"));
	}
	//关闭client
	client.close();
}

高亮显示

@Test
public void testQueryByHighlight() throws Exception {
	QueryBuilder queryBuilder = QueryBuilders.matchQuery("title","女护士");

	HighlightBuilder highlightBuilder = new HighlightBuilder();
	highlightBuilder.field("title");
	highlightBuilder.preTages("<em>")
	highlightBuilder.postTags("</em>")
	
	SearchResponse searchResponse = client.prepareSearch("index_hello")
		.setTypes("article")
		.setQuery(queryBuilder)
		.highlighter(highlightBuilder)
		.get();
	SearchHits searchHits = searchResponse.getHits();
	System.out.println("总行数"+searchHits.getTotalHits());
	Iterator<SearchHit> it = searchHits.iterator();
	while(it.hasNext()){
		SearchHit searchHits = it.next();
		System.out.println(searchHits.getSourceAsString());
		System.out.println("文档属性");
		Map<String,Object> document = searchHit.getSOurce();
		System.out.println(document.get("id"));
		System.out.println(document.get("title"));
		System.out.println(document.get("content"));
		System.out.println("高亮结果");
		Map<String,HighlightBuilder> highlightBuilder  = searchHit.getHighlightFields();
		for(Map.Entry<String,HighlightFields> entry : highlightBuilder.entrySet()){
			System.out.println(entry.getKey()+":\t"+Arrays.toString(entry.getValue().getFragments()));
		}
	}
	//关闭client
	client.close();
}

SpringDataElasticSearch

基本使用

springboot版本选择2.1.16

<dependency>
	<groupId>org.springframework,boot</groupId>
	<artifactId>spring-boot-starter-data-elasticsearch</artifactId>
</dependency>

spring:
 data:
  elasticsearch:
   cluster-name: my-elasticsearch
   cluster-nodes: 192.168.238.129:9300

@Document(indexName="blog1",type="article")
public class Ariticle(){
	@Id
	@Field(type=FieldType.Long,sore=true)
	private Integer id;
	@Field(type=FieldType.Text,sore=true,analyzer="ik_smart")
	private String title;
	@Field(type=FieldType.Text,sore=true,analyzer="ik_smart")
	private String content;

}

在这里插入图片描述

public interface ArticleDao extends ElasticsearchRepository<Article.Long>{
	List<Article> findByTitleLike(String title);
	
	List<Article> findByTitleLikeOrContent(String title,String content);

	List<Article> findByTitleOrContent(String title,String content,Pageable pageable);
}

@Autowried
private ElasticsearchTemplate template;
@Autowried
private ArticleDao dao;

@Test
public void createIndex(){
	template.createIndex(Article.class);
	template.putMapping(Article.class);
}

内置保存

@Test
public void addDocument() throws Exception{
	Article article = new Article(31,"北方入秋速度加快","阿联酋一架客机在纽约机场");
	dao.save(article);	
}

@Test
public void findByTitle(){
	dao.findByTitleLike("美丽的女护士").forEach(System.out::println);
}

@Test
public void findByTitleOrContent(){
	dao.findByTitleLikeOrContent("美丽的女护士","男护士").forEach(System.out::println);
}

@Test
public void findByTitlePage(){
	Pageable pageable = PageRequest.of(1,5);
	dao.findByTitleOrContent("美丽的女护士","男护士",pageable).forEach(System.out::println);
}

@Test
public void testNativeSearchQuery() throw Exception{
	NativeSearchQuery query = new NativeSearchQueryBuilder()
		.withQuery(QueryBuilders.queryStringQuery("女护士"),defaultField("title"))
		.withPageable(PageRequest.of(1,5))
		.build();
	template.queryForList(query,Article.class).forEach(System.out::println);	
}

聚合查询

@Document(indexName="blog2",type="car")
public class Car(){
	@Id
	@Field(type=FieldType.Long,sore=true)
	private Integer id;
	@Field(type=FieldType.Text,sore=true,analyzer="ik_smart")
	private String name;
	@Field(type=FieldType.Text,sore=true,analyzer="ik_smart",fielddata=true)
	private String brand;
	@Field(type=FieldType.Text,sore=true,analyzer="ik_smart",fielddata=true)
	private String color;
	@Field(type=FieldType.Double,sore=true,analyzer="ik_smart",fielddata=true)
	private Double price;
}

public interface CarDao extends ElasticsearchRepository<Car.Long>{
}

在这里插入图片描述

@Test
public void testQueryByAggs(){
	NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder().withQuery(QueryBuilders.matchAllQuery());
	queryBuilder.withSourceFilter(new FetchSourceFilter(new String[],new String[]{"brand"}));

	//添加聚合
queryBuilder.addAggregation(AggregationBuilders.terms("group_by_color").field("color"));

	//执行结果
	AggregatePage<Car> aggPage = (AggregatePage<Car>) carDao.search(queryBuilder.build());

	//从聚合结果中获得bucket的名字对应的聚合
	StringTerms agg = (StringTerms) aggPage.getAggregation("group_by_color");

	List<StringTerms.Bucket> buckets = agg.getBuckets();

	buckers.forEach(b->{
		String color = b.getKeyAsString();
		Long docCount = b.getDocCount();
		System.out.println("color"+color+"总数"+docCount)
	})
}

@Test
public void testQueryBySubAggs(){
	NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder().withQuery(QueryBuilders.matchAllQuery());
	queryBuilder.withSourceFilter(new FetchSourceFilter(new String[],new String[]{"brand"}));

	//添加聚合
queryBuilder.addAggregation(AggregationBuilders.terms("group_by_color").field("color").subAggregation(AggregationBuilders.avg("avg_price").field("price")));

	//执行结果
	AggregatePage<Car> aggPage = (AggregatePage<Car>) carDao.search(queryBuilder.build());

	//从聚合结果中获得bucket的名字对应的聚合
	StringTerms agg = (StringTerms) aggPage.getAggregation("group_by_color");

	List<StringTerms.Bucket> buckets = agg.getBuckets();

	buckers.forEach(b->{
		String color = b.getKeyAsString();
		Long docCount = b.getDocCount();
		//取得内部聚合
		InternalAvg avg = (InternalAvg)b.getAggregations().asMap().get("avg_price");
		
		System.out.println("color"+color+"总数"+docCount+"平均价格"+avg.getValue());
	})
}
C--G
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
elasticsearch-analysis-ik-7.17.0
02-10
elasticsearch-analysis-ik-7.17.0
elasticsearch-springboot.zip全文检索+工具包
12-24
springboot2+elasticsearch6.4全文检索，整合小例子，文件中包含elasticsearch6.4.zip和可视化包elasticsearch-head-master.zip及springboot整合实例，有单元测试类
2. Elasticsearch客户端实战
weixin_44806772的博客
04-06 2510
Kibana是ELK家族中一个开源、免费的可视化数据搜索和分析平台。借助Kibana，用户不需要编码就可以将ES中分析的结果进行可视化呈现，如以常用的饼图、柱状图和时序图等方式呈现。除了可视化数据分析功能，Kibana还提供了Dev Tools，它是一款可以与ES进行交互式请求的工具，可以借助它进行DSL调试。限于篇幅，本节只介绍Kibana搭配单机版ES的配置方法ES 和客户端的通信是根据Http来通信的。用户可以通过任意语言来进行通信。例如：java、Python等。
elasticsearch学习（六）：IK分词器
weixin_40482816的博客
09-19 1万+
IKAnalyzer是一个开源的，基于java语言开发的轻量级的中文分词工具包。从2006年12月推出1.0版开始IKAnalyzer已经推出 了3个大版本。最初，它是以开源项目Lucene为应用主体的，结合词典分词和文法分析算法的中文分词组件。新版本的IKAnalyzer3.0则发展为 面向Java的公用分词组件，独立于Lucene项目，同时提供了对Lucene的默认优化实现。1）采用了特有的“正向迭代最细粒度切分算法“，具有60万字/秒的高速处理能力。
【ElasticSearch】分词器（ElasticSearchIK分词器）
最新发布
莫等闲 白了少年头 空悲切
04-03 667
•IKAnalyzer 是一个开源的，基于java语言开发的轻量级的中文分词工具包•是一个基于Maven构建的项目•具有60万字/秒的高速处理能力•支持用户词典扩展定义。
ElasticSearch之 ik分词器详解
pgcdnameming的博客
11-22 2466
IK分词器 简介，基本使用，以及扩展词典禁用词典
ElasticSearch之IK分词器安装以及使用介绍
热门推荐
qq_39939541的博客
07-27 1万+
elasticsearch 默认的内置分词器对中文的分词效果可能并不理想，因为它们主要是针对英文等拉丁语系的文本设计的。如果要在中文文本上获得更好的分词效果，我们可以考虑使用中文专用的分词器。IK 分词器是一个开源的中文分词器插件，特别为 Elasticsearch 设计和优化。它在中文文本的分词处理上表现出色，能够根据中文语言习惯进行精细的分词。IK 分词器允许用户自定义词典，可以添加新词、调整词频等，以便更好地适应特定的领域或需求。自定义词典可以提高分词的准确性和召回率。
ElasticSearch-集成ik分词器
武梓龙 廊坊师范学院信息技术提高班 十七期
08-25 1389
我们在项目中集成了ElasticSearch服务之后，需要对内容进行分词处理。这时候就需要用到分词器。其实ElasticSearch服务自身也会带有分词器。ElasticSearch服务自带的分词器是单个字进行分的。在我们的业务当中要求对整个词进行拆分。这时候就用到了ik分词器。ik分词器是词库分词的分词方式。当然根据我们的业务不同还可以选择其他的分词器。IK分词器在中文分词方面具有较好的准确性和性能，支持自定义词典和拼音分词，适用于各种中文搜索和分析场景。
PyPI 官网下载 | elasticsearch-7.14.2-py2.py3-none-any.whl
01-20
资源来自pypi官网。 资源全名：elasticsearch-7.14.2-py2.py3-none-any.whl
Elasticsearch（elasticsearch-7.17.0-x86_64.rpm )
02-05
Elasticsearch（elasticsearch-7.17.0-x86_64.rpm 适用于rpm x86_64 ）是一个高度可扩展的开源全文本搜索和分析引擎。它使您可以快速，近乎实时地存储，搜索和分析大量数据。它通常用作支持具有复杂搜索功能和要求的...
本地elasticsearch中文分词器 ik分词器安装及使用
aq_money的博客
04-29 9611
ElasticSearch 内置了分词器，如标准分词器、简单分词器、空白词器等。但这些分词器对我们最常使用的中文并不友好，不能按我们的语言习惯进行分词。ik分词器就是一个标准的中文分词器。它可以根据定义的字典对域进行分词，并且支持用户配置自己的字典，所以它除了可以按通用的习惯分词外，我们还可以定制化分词。ik分词器是一个插件包，我们可以用插件的方式将它接入到ES。下载地址：ik分词器地址 注意要选择跟自己es保持一致的版本下载。 将下载的安装包在es安装目录下的plugins下新建一个ik文件夹、将文件解压
elasticsearch 使用 ik分词器
gyk163的博客
04-19 992
elasticsearch 中文分词器 ik
Elasticsearch中使用IK分词配置
一切从零开始
06-29 2648
IK分词 ES elasticsearch Analyer
ElasticSearch--分词器--使用/教程/实例
IT利刃出鞘的博客
10-24 2830
原文网址： 简介 说明 官网 ik分词器：https://github.com/medcl/elasticsearch-analysis-ik 内置分词器 Elasticsearch之所以全文搜索很快，是因为采用了倒排索引，倒排索引的核心是分词。分词：把text格式的字段按照分词器进行分词并保存为索引。Elasticsearch已经提供了多种功能强大的内置分词器。 中文分词器 实例 ...
elasticSearch之ik分词器
h1774733219的博客
11-26 1720
安装好ik分词器后，可以测试分词效果 分词器包括两种：ik_smart、ik_max_word ik_smart： GET _analyze { "text": "中华人民共和国国歌", "analyzer": "ik_smart" } 会将"中华人民共和国国歌"分成"中华人民共和国"、“国歌” ik_max_word：分词的细粒度更高 GET _analyze { "text": "中华人民共和国国歌", "analyzer": "ik_max_word" } 结果： { "
Spring Boot集成Elasticsearch安装使用(详解)+ik分词器使用(详解)
m0_71202849的博客
10-24 1862
Spring Boot整合Elasticsearch安装与具体使用(详解)+ik分词器使用(详解)
Elasticsearch中的分词器的基本介绍以及使用
gaoqiandr的博客
01-28 2051
本文主要介绍的是elasticsearch中分词器的基本使用
Elasticsearch：IK 中文分词器
Elastic 中国社区官方博客
10-28 6383
Elasticsearch内置的分词器对中文不友好，只会一个字一个字的分，无法形成词语，比如： POST /_analyze { "text": "我爱北京天安门", "analyzer": "standard" } 如果我们使用的是standard的分词器，那么结果就是： { "tokens" : [ { "token" : "我", "st.........
elasticsearch-7.17.2-windows-x86_64
05-09
由于其能够支持实时检索，逐步取代RDBMS ，而 RDBMS 仅适合处理大型结构化数据，因此 Elasticsearch-7.17.2-windows-x86_64也被广泛应用于大型互联网公司的数据搜索和分析工作中，比如国际知名 IT 公司 IBM、微软等...

“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