毕业设计——基于flask的气象数据可视化（一）（含登录页面，数据连接到数据库，可实时更新，内涵python爬虫）

已于 2025-05-15 15:13:26 修改
阅读量638 收藏 11
点赞数 24
文章标签： 信息可视化 python 爬虫
于 2025-05-14 21:17:34 首次发布
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_66547608/article/details/147963166
版权

 基于flask的气象数据可视化（含登录页面，数据连接到数据库，可实时更新，内涵python爬虫）

以下是基于 Flask 的气象数据可视化系统的综述，涵盖系统架构、核心功能模块及技术实现要点： 

代码结构：

完整代码：

app.py

# app.py

from flask import Flask, render_template, redirect, url_for, flash
from config import Config
from models.models import db, User
from forms.forms import LoginForm, RegisterForm
from views.views import views_bp
import json
import pandas as pd
from flask import Flask, jsonify, render_template, redirect, url_for, session, flash,request
import pymysql
from pyspark.sql.types import StringType
from sqlalchemy import create_engine,text
import cpca
from flask_wtf import FlaskForm
from wtforms import StringField, SubmitField,PasswordField,ValidationError
from wtforms.validators import DataRequired,Length,Email,EqualTo,Regexp

def create_app():
    app = Flask(__name__)
    app.config.from_object(Config)
    db.init_app(app)

    with app.app_context():
        db.create_all()
        # 创建默认用户（如果不存在）
        if not User.query.filter_by(username='admin').first():
            user = User(username='admin', password='password')  # TODO: Implement password hashing
            db.session.add(user)
            db.session.commit()

    # 注册蓝图
    app.register_blueprint(views_bp)

    # 定义根路径路由，重定向到登录页面
    @app.route('/')
    def index():
        return redirect(url_for('views.login'))

    # 其他路由保持不变
    @app.route('/quota')
    def quota():
        return render_template('quota.html')

    @app.route('/trend')
    def trend():
        return render_template('trend.html')

    @app.route('/chronic')
    def chronic():
        return render_template('chronic.html')

    @app.route('/go_to_quota')
    def go_to_quota():
        return redirect(url_for('views.quota'))

    @app.route('/go_to_trend')
    def go_to_trend():
        return redirect(url_for('views.trend'))

    @app.route('/go_to_chronic')
    def go_to_chronic():
        return redirect(url_for('views.chronic'))

    return app

app = create_app()

@app.route("/echart1")
def echart1():
    # 连接到MySQL数据库
    engine = create_engine('mysql+pymysql://root:mysql@127.0.0.1/tianqi')
    connection = engine.connect()
    # 从数据库中读取数据
    df = pd.read_sql(sql=text('SELECT 城市,风向,风速,时间 FROM 24h where 城市="北京"'), con=connection)

    # 定义一个函数来将风向转换为文本
    def get_wind_direction(x):
        if (x > 337.5) or (x <= 22.5):
            return "N"
        elif (x > 22.5) and (x <= 67.5):
            return "NE"
        elif (x > 67.5) and (x <= 112.5):
            return "E"
        elif (x > 112.5) and (x <= 157.5):
            return "SE"
        elif (x > 157.5) and (x <= 202.5):
            return "S"
        elif (x > 202.5) and (x <= 247.5):
            return "SW"
        elif (x > 247.5) and (x <= 292.5):
            return "W"
        elif (x > 292.5) and (x <= 337.5):
            return "NW"
        else:
            return None

    df['风向'] = df['风向'].apply(get_wind_direction)
    df['时间'] = df['时间']
    print(df)
    # 将 '时间' 列转换为时间戳
    df['时间'] = pd.to_datetime(df['时间'])
    df['时间'] = df['时间'].apply(lambda x: x.timestamp())

    # 将三列数据组成一个数组
    array = df[['时间', '风速', '风向']].to_numpy()

    print(array)
    # 渲染模板并传入图表对象
    return jsonify(array.tolist())


@app.route("/echart2")
def echart2():
    # 连接到MySQL数据库
    engine = create_engine('mysql+pymysql://root:mysql@127.0.0.1/tianqi')
    query = "SELECT 温度,相对湿度 FROM 24h WHERE 城市='北京'"
    df = pd.read_sql(sql=text(query), con=engine.connect())

    array = df.values.tolist()
    print(array)
    return jsonify(array)


@app.route("/echart3")
def echart3():
    # 连接到MySQL数据库
    engine = create_engine('mysql+pymysql://root:mysql@127.0.0.1/tianqi')
    # 查询SQL语句
    query = "SELECT 城市,日期,最高温度,最低温度 FROM tempchart where 城市='北京'"

    # 使用pandas读取数据
    df = pd.read_sql(sql=text(query), con=engine.connect())

    # 转换日期格式
    df['日期'] = pd.to_datetime(df['日期'], format='%Y-%m-%d')

    # 筛选日期
    df = df[df['日期'] < '2023-04-20']

    # 提取数据
    date = df['日期'].apply(lambda x: x.strftime('%Y-%m-%d')).tolist()
    array1 = df['最高温度'].tolist()
    array2 = df['最低温度'].tolist()

    return jsonify({'date':date,'array1':array1,'array2':array2})


@app.route("/echart4")
def echart4():
    # 连接到MySQL数据库
    engine = create_engine('mysql+pymysql://root:mysql@127.0.0.1/tianqi')
    # 查询SQL语句
    query = "SELECT 城市,日期,白天温度,夜晚温度 FROM predict where 城市='北京'"

    # 使用pandas读取数据
    df = pd.read_sql(sql=text(query), con=engine.connect())
    df['日期'] = pd.to_datetime(df['日期'], format='%Y-%m-%d')
    date = df['日期'].tolist()
    array1 = df['白天温度'].tolist()
    array2 = df['夜晚温度'].tolist()

    return jsonify({'date': date, 'array1': array1, 'array2': array2})

@app.route("/echart5")
def echart5():
    # 连接到MySQL数据库
    engine = create_engine('mysql+pymysql://root:mysql@127.0.0.1/tianqi')
    # 从MySQL数据库中获取数据
    query = "SELECT 城市,降雨量 FROM rain24h"
    df = pd.read_sql(sql=text(query), con=engine.connect())

    # 选取并显示前十个降雨量最高的城市
    top_10_rainfall = df.sort_values('降雨量', ascending=False).head(10)
    print(top_10_rainfall)

    # 将城市和降雨量分别存储在列表中
    city = top_10_rainfall['城市'].tolist()
    array = top_10_rainfall['降雨量'].tolist()


    return jsonify({'array':array,'city':city})

@app.route("/echart6")
def echart6():
    # 连接到MySQL数据库
    engine = create_engine('mysql+pymysql://root:mysql@127.0.0.1/tianqi')
    # 从MySQL数据库中获取数据
    query = "SELECT 城市,降雨量 FROM rain1h"
    df = pd.read_sql(sql=text(query), con=engine.connect())

    # 选取并显示前十个降雨量最高的城市
    top_10_rainfall = df.sort_values('降雨量', ascending=False).head(10)
    print(top_10_rainfall)

    # 将城市和降雨量分别存储在列表中
    city = top_10_rainfall['城市'].tolist()
    array = top_10_rainfall['降雨量'].tolist()


    return jsonify({'array':array,'city':city})

# 编写将城市名称转换为省份名称的函数
def get_province(city):
    location = cpca.transform([city])
    return location.iloc[0]["省"]


@app.route("/echart7")
def echart7():
    # 连接到MySQL数据库
    engine = create_engine('mysql+pymysql://root:mysql@127.0.0.1/tianqi')
    # 从MySQL数据库中获取数据
    query = "SELECT 城市,温度 FROM day"
    df = pd.read_sql(sql=text(query), con=engine.connect())
    print(df)
    # 将 get_province() 函数应用于城市列，并添加省份列
    df['province'] = df['城市'].apply(get_province)

    # 根据省份列进行分组，并计算每个省份的平均温度
    df = df.groupby('province')['温度'].mean().reset_index()
    df.columns = ['province', 'avg(温度)']

    # 将结果转换为键值对列表
    array = df.to_dict('records')
    array = [{'name': i['province'], 'value': round(i['avg(温度)'], 2)} for i in array]
    print(array)

    return jsonify(array)

if __name__ == '__main__':
    app.run(debug=True)

一、应用初始化与配置（create_app函数）

python

运行

def create_app():
    app = Flask(__name__)
    app.config.from_object(Config)
    db.init_app(app)

    with app.app_context():
        db.create_all()
        # 创建默认用户（如果不存在）
        if not User.query.filter_by(username='admin').first():
            user = User(username='admin', password='password')  # TODO: Implement password hashing
            db.session.add(user)
            db.session.commit()

    app.register_blueprint(views_bp)

    @app.route('/')
    def index():
        return redirect(url_for('views.login'))

    # 其他路由（/quota等）...

    return app
分析：

  1. 应用工厂模式：

    • 优点：通过 create_app 封装应用创建逻辑，支持配置隔离（如开发 / 生产环境）。
    • 问题：默认用户密码硬编码为 password，且未使用密码哈希（如 bcrypt），存在严重安全隐患。
    • 优化：

      python

      运行

      from werkzeug.security import generate_password_hash
user = User(username='admin', password=generate_password_hash('strong_password'))

  2. 蓝图注册：

    • 优点：使用 views_bp 蓝图组织路由，避免主文件臃肿。
    • 问题：部分路由（如 /quota、/trend）直接定义在 create_app 中，未纳入蓝图，导致结构混乱。
    • 优化：将所有页面路由移至蓝图文件（如 views.py），保持主文件简洁。

  3. 根路由重定向：

    • 逻辑正确：访问根路径时重定向到登录页面，符合认证流程。

二、认证相关路由（未在代码中完全展示）

代码中通过 views_bp 蓝图处理登录 / 注册，但主文件未展示具体逻辑。需注意：

  1. 会话管理：

    • 应使用 Flask-Login 扩展管理用户会话，确保未登录用户无法访问受限页面（如 /quota）。
    • 缺失代码示例：

      python

      运行

      from flask_login import login_required, current_user

@views_bp.route('/quota')
@login_required
def quota():
    return render_template('quota.html', user=current_user)

  2. 表单验证：

    • 依赖 forms.forms 中的 LoginForm 和 RegisterForm，需确保表单字段包含数据验证（如邮箱格式、密码强度）。

三、数据可视化 API 路由（/echart1 至 /echart7）

共性问题：

  1. 数据库连接重复创建：

    • 每个 API 路由均重新创建 engine = create_engine(...)，浪费资源。
    • 优化：在应用初始化时创建全局数据库连接，或使用 Flask-SQLAlchemy 的 db.session 直接查询。

  2. SQL 查询硬编码：

    • 查询条件如 WHERE 城市='北京' 直接拼接字符串，存在 SQL 注入风险。
    • 优化：使用 SQLAlchemy 的参数化查询或 Pandas 的 params 参数：

      python

      运行

      # 错误示例（硬编码）
df = pd.read_sql(sql=text("SELECT * FROM table WHERE 城市='北京'"), con=connection)

# 正确示例（参数化）
df = pd.read_sql(sql=text("SELECT * FROM table WHERE 城市=:city"), con=connection, params={'city': '北京'})

  3. 数据处理逻辑冗余：

    • 多个路由中重复处理日期格式（如 pd.to_datetime）、分组聚合（如 groupby），可封装为工具函数。
分路由分析：
1. /echart1（风速风向数据）

python

运行

@app.route("/echart1")
def echart1():
    engine = create_engine('mysql+pymysql://root:mysql@127.0.0.1/tianqi')
    connection = engine.connect()
    df = pd.read_sql(sql=text('SELECT 城市,风向,风速,时间 FROM 24h where 城市="北京"'), con=connection)
    
    def get_wind_direction(x):  # 函数定义在路由内，可提取为全局工具函数
        # ... 风向转换逻辑 ...
    df['风向'] = df['风向'].apply(get_wind_direction)
    df['时间'] = df['时间'].apply(lambda x: x.timestamp())
    return jsonify(df[['时间', '风速', '风向']].to_numpy().tolist())

  • 问题：
    • get_wind_direction 函数嵌套在路由中，复用性差。
    • 返回数组结构（[时间戳, 风速, 风向]），前端需解析字段顺序，可读性低。
  • 优化：
    返回对象数组（如 [{"time": xxx, "speed": xxx, "direction": xxx}]），提高语义化。
2. /echart3（温度趋势数据）

python

运行

@app.route("/echart3")
def echart3():
    query = "SELECT 城市,日期,最高温度,最低温度 FROM tempchart where 城市='北京'"
    df = pd.read_sql(sql=text(query), con=engine.connect())
    df = df[df['日期'] < '2023-04-20']  # 硬编码日期，无法动态查询
    return jsonify({'date': date, 'array1': array1, 'array2': array2})

  • 问题：
    • 日期过滤条件硬编码为 '2023-04-20'，无法通过参数动态调整。
    • 字段名 array1、array2 语义不明确，建议改为 max_temp、min_temp。
3. /echart7（省份温度平均值）

python

运行

@app.route("/echart7")
def echart7():
    df = pd.read_sql("SELECT 城市,温度 FROM day", con=engine.connect())
    df['province'] = df['城市'].apply(get_province)  # 使用 cpca 库解析省份
    df = df.groupby('province')['温度'].mean().reset_index()
    return jsonify([{'name': p['province'], 'value': round(p['avg(温度)'], 2)} for p in df.to_dict('records')])

  • 优点：
    • 使用 cpca 库解析城市对应的省份，实现数据聚合。
  • 问题：
    • cpca 库依赖可能增加部署复杂度，且部分城市解析可能不准确（如直辖市）。

四、安全与性能优化

  1. 密码安全：

    • 必须使用密码哈希（如 bcrypt），避免明文存储。

    python

    运行

    from flask_bcrypt import Bcrypt
bcrypt = Bcrypt(app)
user.password = bcrypt.generate_password_hash('password').decode('utf-8')

  2. 权限控制：

    • 所有页面路由需添加 @login_required 装饰器，确保未登录用户重定向到登录页。

  3. 数据库连接优化：

    • 使用 Flask-SQLAlchemy 的 db.session 执行查询，避免重复创建引擎：

      python

      运行

      from models.models import WeatherData  # 假设存在气象数据模型
df = pd.read_sql(WeatherData.query.filter_by(城市='北京').statement, con=db.engine)

  4. API 响应优化：

    • 避免返回冗余数据（如 echart1 中的 城市 字段已过滤为北京，可移除）。
    • 对大数据量接口添加分页（如 limit、offset 参数）。

五、代码规范与可维护性

  1. 导入语句混乱：

    • 重复导入 from flask import Flask, ...，应整理导入顺序，避免冗余。

  2. 函数命名不规范：

    • 路由函数名（如 echart1）应更具描述性，如 get_wind_speed_data。

  3. 缺少注释与文档：

    • 关键逻辑（如数据转换、业务规则）未添加注释，影响后续维护。

效果展示：

完整代码链接：

气象数据可视化2.rar资源-CSDN文库https://download.csdn.net/download/weixin_66547608/90836535?spm=1001.2014.3001.5501

大数据毕业设计：基于python天气数据可视化系统+爬虫 气象数据可视化 Flask框架（源码+文档）✅
q_3548885153的博客
05-13 908
大数据毕业设计：基于python天气数据可视化系统+爬虫 气象数据可视化 Flask框架（源码+文档）✅
基于Python+Flask的地震爬虫数据分析可视化系统
laoman456的博客
12-10 1419
随着科技的发展，地震监测数据的来源逐渐多样化，包括地震台网数据、社交媒体数据、气象数据等，这些数据提供了地震活动的多维度信息。：该系统结合爬虫技术、数据分析与可视化技术的应用，不仅可以推动地震数据的智能化处理，也能促进相关技术的实际应用，提升Python、Flask等技术在地震领域的应用广度。：通过爬虫技术，实时抓取全球各地的地震数据，并对其进行深入分析，揭示地震发生的规律和趋势，为科研提供数据支持。：通过爬虫抓取多个公开的地震数据源，包括地震的时间、地点、震中、震级等信息，并将数据存储到数据库中。
毕业设计——毕业设计——基于flask的气象数据可视化（二）（详细解读）（含登录页面，数据连接到数据库，可实时更新，内涵python爬虫）
weixin_66547608的博客
05-15 183
基于flask的气象数据可视化（含登录页面，数据连接到数据库，可实时更新，内涵python爬虫）
【优秀python系统毕设】基于Python flask的气象数据可视化系统设计与实现，有LSTM算法预测气温
weixin_49081159的博客
07-27 2197
第一章 绪论 1.1 研究背景 在当今信息爆炸的时代，气象数据作为重要的环境信息资源，扮演着关键的角色。然而，传统的气象数据呈现方式存在信息量庞大、难以理解的问题，限制了用户对气象信息的深入理解和利用。因此，基于Python的气象数据可视化系统的开发具有重要意义。 这个系统的开发背景是气象数据可视化技术的迅速发展和广泛应用。随着数据科学和人工智能技术的不断进步，数据可视化作为一种强大的工具，能够将抽象的数据转化为直观的图形，帮助用户更好地理解数据、发现规律、做出决策。因此，在这样的背景下，开发一个针
毕业设计：基于python天气数据可视化系统+爬虫 气象数据可视化 Flask框架（源码+文档）✅
十多年程序猿资深互联网人，目前专注于Python/Java/大数据项目解决方案制定，提供各行业各编程语言的全套开发服务，喜爱code，喜爱分享，生命不止，编码不息！
05-06 1415
毕业设计：基于python天气数据可视化系统+爬虫 气象数据可视化 Flask框架（源码+文档）✅
基于python天气数据分析可视化系统 气象数据分析 可视化大屏 Flask框架 爬虫 中国天气网 毕业设计（源码+文档）✅
q_3548885153的博客
04-12 836
基于python天气数据分析可视化系统 气象数据分析 可视化大屏 Flask框架 爬虫 中国天气网 毕业设计（源码+文档）✅
【Python原创毕设|课设】基于Flask技术的北京气象数据采集可视化系统设计与实现|原创项目|其它均为抄袭|100%可运行|毕业无忧
是云猿实战
03-23 895
基于Flask技术的北京气象数据采集分析系统，通过采集中国天气网历史气象数据以及当前气象数据，进行可视化分析与展示。他的开发生产意义在于，便于普通居民制定出行计划，便于企业调整生产规划、便于政府监控各区域气象状况。以上几点只是个人列举，只要和气象、天气有关的事情，本系统都可以为起起到指导性作用。从学习的意义上来说，便于提高个人软件开发业务处理能力、熟悉软件开发相关知识、提升自身核心竞争力，为以后从事互联网行业打下坚实的基础。
毕业设计：Python天气数据可视化分析系统 气象数据分析 爬虫技术 Flask框架 可视化大屏 空气质量分析 中国天气网 大数据技术 Hadoop✅
vx_biyesheji0002的博客
04-16 1641
毕业设计：Python天气数据可视化分析系统 气象数据分析 爬虫技术 Flask框架 可视化大屏 空气质量分析 中国天气网 大数据技术 Hadoop✅
大数据 基于python天气数据分析可视化系统 气象数据分析 可视化大屏 Flask框架 爬虫 中国天气网 毕业设计（源码+文档）✅
q_3375686806的博客
04-11 536
大数据 基于python天气数据分析可视化系统 气象数据分析 可视化大屏 Flask框架 爬虫 中国天气网 毕业设计（源码+文档）✅
基于python的基于旅游网站的数据分析及可视化系统(flask).zip
06-11
标题中的“基于Python的基于旅游网站的数据分析及可视化系统(Flask)”表明这是一个使用Python编程语言，结合Flask框架开发的数据分析和可视化应用，专门针对旅游网站的数据。Flask是一个轻量级的Web服务应用程序框架...
p113基于python线性回归的全国气象可视化分析系统.zip
04-02
系统利用Python网络爬虫从权威数据源获取实时天气数据，并通过数据清洗和MySQL存储确保数据质量。系统前端采用HTML、CSS、JavaScript及Layui构建友好界面，并通过ECharts技术实现数据可视化，后端采用Flask处理数据...
2024年计算机毕业设计2000个热门选题推荐之Python爬虫数据分析可视化大屏篇——全行业Java项目定制asp.net代做Python安卓NodeJS等
itszkt的博客
09-18 5778
精品基于Python的智能家居环境感知的设计与可视化-爬虫[包运行成功精品基于python的旅游导览系统-爬虫-可视化大屏[包运行成功+免费答疑
Python基于Flask/Django的天气爬虫和大屏可视化系统
Q_860234001的博客
07-27 2473
随着社会多元化的不断发展，天气数据问题不可被简单的理解为是科学问题，更多的是环境问题，可以直接影响到人民的日常生活，甚至对一个国家的政治经济带来影响，由此可见，天气预测是一项非常重要的行业。基于此，我们就需要开发一个可视化的、综合的、方便人们查看的项目。基于Python的天气数据可视化设计与实现，通过使用基于Python的网络爬虫技术,能在短时内提取有价值的信息数据。
描述性统计工具 - AxureMost 落葵网
2403_89245059的博客
05-13 920
描述性统计工具是用于汇总和分析数据，以更好地理解数据特征的工具。常见的工具包括Excel、Python、R语言、SPSS和Tableau等。Excel提供了基本统计函数和数据分析工具包，可以计算均值、中位数、标准差等，并生成统计报告和可视化图表。Python的Pandas和NumPy库支持高效的数据处理和数值计算，结合Matplotlib和Seaborn库可创建高质量的统计图表。R语言提供丰富的统计函数和ggplot2包，适合统计模型探索和数据可视化。SPSS具有用户友好的图形界面，适用于多种数据类型的描述
利用散点图探索宇航员特征与太空任务之间的关系
微信知乎搜索HsuHeinrich
05-12 614
利用散点图探索宇航员特征与太空任务之间的关系
18.Excel数据透视表：第1部分创建数据透视表
weixin_74727170的博客
05-13 1089
单页字段的透视表，报表筛选区域用项1，2，3命名不同的数据源，不方便，所以创建自定义字段的数据透视表。表示报表筛选区域有1个字段，合并的数据透视表中报表筛选里面的字段叫页。页字段数目为0，所有合并的数据区域会被视为无分类的统一数据源，无法通过筛选器区分不同区域来源的原始数据。透视表仅显示“项1”“项2”等默认标签。页字段数目为1，允许为每个合并的区域自定义一个分类标签。例如，合并不同月份的数据时，可将每个区域标记为“1月”“2月”等。添加第一个区域后，在“字段1”输入“一组”。
黑白极简简约商务通用PPT模版分享
酷教程
05-13 224
简约风格，黑白灰主色调，大标题“SIMPLE”和英文短句，多页缩略图展示，目录页，螺旋楼梯、黑胶唱片等图标，文字多为英文占位符，部分中文示例，布局简洁。202X极简画册，灰白主色调，黑白摄影图片（船只、古建筑），标题框，占位文字如“TITLE HERE”，进度数据“99%”商务通用模板，淡绿色森林背景，中英文标题，几何三角形装饰，图表页、人物页、花卉装饰，色调浅灰、白、淡绿。黑白极简，标题“201X 黑白极简简约”，目录，章节内容，讨论图片和流程图，黑色三角形装饰。
ERP系统如何做好工厂生产管理？4种ERP先进生产管理模式分享！
BeWorkingMan的博客
05-15 539
现代企业面临市场多变、订单频繁调整和人工成本上涨等挑战，传统生产管理方式已无法满足需求。为此，企业纷纷采用先进的生产管理方式，如精益生产和敏捷制造，以提升效率和降低成本。精益生产通过优化流程减少浪费，实现资源高效利用；敏捷制造则强调快速响应市场变化，灵活调整生产策略。这些管理方式的落地离不开ERP系统的支持，ERP系统作为“数字大脑”，能够实时监控库存、优化生产排程、实现全流程数据可视化，并辅助企业进行数据分析，提升决策效率。通过ERP系统，企业能够实现智能协同，打通各部门数据，提升跨部门协作效率。总之，现
数据可视化-----子图的绘制及坐标轴的共享
最新发布
2503_90864622的博客
05-15 446
matplotlib可以将整个画布规划成等分布局的m*n（行*列）的矩阵区域，并按照先行后列的方式对每个区域进行编号（编号从1开始），之后在选中的某个或某些区域中绘制单个或多个子图。loc：表示选择区域的位置，该参数接收一个包含两个整型数据的元组，元组中第1个元素表示子图所在的行数（行数从0开始），第2个元素表示子图所在的列数（列数从0开始）。shape：表示规划的区域结构，该参数接收一个包含两个整型数据的元组，元组中第1个元素表示规划区域的行数，第2个元素代表规划区域的列数。
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

打赏作者

张謹礧

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