VUE中导出Excel功能的实现

Vue导出Excel的实现方法与原理 本文将详细介绍前端Vue中导出Excel的方法,包括使用第三方库和纯前端实现两种方式。同时解释其原理,帮助读者了解如何在Vue项目中高效地导出Excel文件。 阅读详情

一、在上一篇文章中我们已经完成了WebSql的操作,并且初始化了一些数据,那么如何导出这些数据呢?

**当然方法有多种,本次我们采用引入Export2Excel.js的方法

1、添加所需依赖

npm install file-saver
npm install xlsx
npm install script-loader    

2、在src目录下新建一个文件夹,里面放入本次功能需要的文件:Blob.js和 Export2Excel.js(这两个文件可自行百度下载)

需要注意的是:Export2Excel.js中,顶部的路径需要根据自己的配置修改

3、在需要此功能的页面引入,注意路径(当然可以做成通用的方法,此处不做赘述)

3、调用此方法,本次我们使用上一篇文章中创建的数据库中的数据作为演示

        //格式化
        formatJson(filterVal, jsonData) {
            return jsonData.map(v => filterVal.map(j => v[j]))
        },
        //获取城镇数据
      	GetCityList:function(){
          var that=this;//与this区别开
          that.ExportList=[];
          this.$db.transaction(function(tx){
            tx.executeSql("select * from City",[],function(tx,res){
                for(var i=0;i<res.rows.length;i++){
                    that.ExportList.push(res.rows[i]);
                }
                that.getExcel_city(that.ExportList);
              },function(tx,err){
                console.log(err);
              }
            );
          });		
        },
        //导出城镇方法
        getExcel_city(res) {
            require.ensure([], () => {
                const tHeader = ['编码', '名称']
                const filterVal = ['CityID', 'Name']
                const list = res
                const data = this.formatJson(filterVal, list)
                export_json_to_excel(tHeader, data, '城镇列表')
            })
        },

4、绑定到按钮上,点击按钮,可以导出excel:

二、介绍第二种方法:vue-json-excel

1、首先引入依赖

npm install vue-json-excel

2、在main.js中引用此方法

//引入导出excel组件方法
import JsonExcel from 'vue-json-excel'
Vue.component('downloadExcel', JsonExcel)

3、在需要使用此功能的页面中直接调用

//json_data为数据源List,json_fields为表头信息和取值逻辑
 <button :data="json_data" :fields="json_fields" name="UserInfo">点击导出</button>
        //表头为User_Name、City、phone、remark
        //取值逻辑为:User_Name取字段name
        //City取info中的city
        //phone取phone中的landline(拼接后)
        //remark取info中的remark(拼接后)
        json_fields: {
          "User_Name": "name", //常规字段
          "City": "info.city", //支持嵌套属性
          "phone": {
            field: "phone.landline",
            callback: value => {//自定义回调函数
              return `Landline Phone - ${value}`;//拼接返回值
            }
          },
          "remark": {
            field: "info.remark",
              callback: value => {
                  return `Reamrk:  ${value}`;
              }
          }
        },
        //测试数据
        json_data: [
          {
            name: "张三",
            info:{
                city: "New York",
                country: "EN",
                remark:"测试1"
            },
            phone: {
              mobile: "1",
              landline: "11"
            }
          },
          {
            name: "李四",
            info:{
                city: "BeiJing",
                country: "CN",
                remark:"测试2"
            },
            phone: {
              mobile: "2",
              landline: "22"
            }
          },
           {
            name: "王二",
            info:{
                city: "Nanjing",
                country: "CN",
                remark:"测试3"
            },
            phone: {
              mobile: "3",
              landline: "33"
            }
          }
        ],
        //数据格式
        json_meta: [
          [{
            " key ": " charset ",
            " value ": " utf- 8 "
          }]
        ]

4、导出结果

 5、相关代码已经上传Github,地址如下:

https://github.com/736755244/Export

三、以上就是本次分享的内容,下一篇将介绍VUE导入并读取EXCEL的相关内容


欢迎留言,一起交流学习!

vue纯前端导出excel,包括列表批量导出图片、文件超链接 前端导出图片、超链接的excel 阅读详情

相关推荐

vue实现导出excel功能

vue实现导出excel功能 对于导出的excel理解: 导出excel需要前后端协商约定返回流的格式,导出的内容和格式都是后端实现的,前端只需要将后端返回的文件流解析成浏览器能够识别的流,解析的过程都是统一的写法。 1、如何写 注意传参数方式:get方式的话,直接在请求接口后拼接参数,post方式,将参数放入data里面。 最终效果如图: 后端返回的文件流。 完整代码如下: handleDownload() { axios({ method: 'get',

X_W123的博客 1872

vue导出excel表的时候有多张图片

vue导出excel文件时同一列有多张图片

wgh2820777641的博客 2445

vue 中excel导入导出功能实现

1  安装依赖 npm install -S file-saver xlsx(这里其实安装了2个依赖) npm install -D script-loade 2  main.js全局引入Blob.js和Export2Excel.js import Blob from './excel/Blob.js' import Export2Excel from './excel/Expor...

sinat_41680914的博客 2328

vue将数据导出Excel表格;含文字、图片类型(并有类型的转换)

随着项目进度的前进,到了最后一步需要将数据导出到Excel表格内,并且数据中包含一些类型的转换,和图片类型。 正常情况下我们只需要导出文字类型,这是最简单的一种导出方式。那么现在我还有一些类型的转换和图片的导出到表格里,这该如何做?别慌,现在开源的插件有很多能够处理这种情况的,接下来我一步一步的展示,能够让你明白。 第一步:安装插件。 npm install js-table2excel 第二步:引入插件。 import table2excel from 'js-table2excel' 第三步,处理数

专注前端技术,包括Web端、移动端、小程序、APP 4778

实现Vue.js中自动添加日期的Excel导出功能

在现代Web应用开发中,我们经常需要将数据导出到Excel表格以供用户进一步分析。对于使用Vue.js框架的开发者来说,实现这一功能需要借助合适的库来简化开发过程。本文将介绍如何在Vue.js项目中实现数据导出Excel的功能,我们将采用库来达到这一目的。Blob.js库是JavaScript的一个库,它主要用于处理二进制数据(binary large objects),即Blob对象。Blob对象代表不可变的原始数据,可以将文本或二进制数据保存为一个文件,并进行下载。

weixin_33431149的博客 1045

SD-WAN组网案例——数据中心

SD-WAN组网案例——数据中心

2301_78457663的博客 701

vue中实现Excel导入导出功能

导入Excel功能 前置条件: 依赖包xlsx npm install xlsx -S 这里提供一个现成的在vue中导入Excel的功能(原作者-花裤衩),代码在最下面,可直接复制. 创建一个文件夹,取名为UploadExcel,并创建index.vue,把这段代码赋值进去 然后封装成组件,封装后,可以提供两个参数: :on-success="handleSuccess"上传成功后的回调函数,:before-upload="beforeUpload"文件上传成功之前的处理函数 下面这段代码的意思是:上传

qq_60292609的博客 2787

《最游记》游戏开发全栈指南:从源码解析到实战部署

本文提供了一份详尽的《最游记》游戏源码全栈开发指南。文章深入解析了这款3D玄幻网游的完整源码结构,涵盖客户端、服务端、引擎和工具链,并提供了从环境搭建、核心模块解析到实战修改与部署的完整流程。对于希望深入理解MMORPG架构的开发者而言,这份指南是宝贵的实战资源。

weixin_28363123的博客 71

基于vue 实现 excel导出导入功能

这波你必须要学会的基于vue的表格的导入和导出功能,可以不用,但是不能不会

LOxia的博客 1万+

基于计算机视觉的Windows自动化工具openclaw-win:从原理到实战

计算机视觉与自动化技术正深刻改变人机交互方式,其核心在于让机器具备“感知-决策-执行”的能力。通过图像采集与处理算法,程序可以识别屏幕上的特定元素;结合模拟输入技术,便能自动执行点击、拖拽等操作,形成完整的自动化闭环。这一技术栈在软件测试、数据采集、重复性办公任务等领域具有重要价值,能够显著提升工作效率。开源项目openclaw-win正是这一理念的工程实践,它整合了图像识别与模拟操作模块,为开发者提供了一个研究自动化技术的具体样本。项目涉及模板匹配、坐标计算等关键技术点,并需处理屏幕适配、操作延迟等实际问

weixin_28745975的博客 305

数据分析:蛋白质组的GO term的富集分析详解

在获取差异表达蛋白质的数据之后,依据蛋白质与基因的对应映射关系,开展GO(Gene Ontology)term的富集分析。通过这一分析流程,能够精准地识别出不同实验组中过表达基因所关联的显著富集的GO term通路。这些富集的GO term通路为后续的生物学研究提供了关键线索,有助于深入探究基因功能、揭示潜在的生物学机制,从而推动生物学发现的进程。

专注生信领域 1354

vue中纯前端实现导出简单Excel表格的功能

来源 |https://www.daimajiaoliu.com/daima/479836640100408Vue中纯前端导出简单Excel表格的方法(使用vue-json-excel...

web前端开发 1万+

Openclaw错误分析与解决方案之:Agent couldn’t generate a response.

Openclaw错误分析与解决方案之:Agent couldn't generate a response. Note: some tool actions may have already been executed — please verify before retrying.

多媒体编程、网络编程、系统编程、网络安全编程、驱动编程 1302

vue 实现 excel导出导入功能

1-最终要实现的效果,给当前页面添加几行数据2-要实现给当前页面添加几行数据,并且是我们看的到数据,因为只有数据才能改变视图,所以我们一定要发请求,才能够将数据添加上3--发请求,必然要牵扯到请求的参数,那么就要看参数是什么格式的4-有了参数的格式,那么我们就需要将一个方法,用来将我们得到的数据,转变成参数需要的数据类型5-要转变,首先要先拿到表格里面的数据,所以这就需要用到我们的UploadExcel组件给我们提供的一个方法onSuccess到现在导出的逻辑已经清楚,那么开始正向梳理一下逻辑‘

weixin_49588726的博客 7703

【Bug已解决】Anthropic tool_result 找不到对应 tool use id 解决方案

方案适用场景推荐指数每个tool_use必须生成对应tool_result最基础的原则,所有Harness都必须遵守⭐⭐⭐⭐⭐裁剪历史时成对处理实现了上下文裁剪/压缩逻辑的Harness⭐⭐⭐⭐⭐并行工具调用结果数量校验支持多工具并行调用的场景⭐⭐⭐⭐使用官方SDK高层封装不需要特别定制消息组装逻辑⭐⭐⭐⭐请求前主动校验中间件追求生产级健壮性,提前拦截问题⭐⭐⭐⭐⭐这类报错,本质上是。

一键难忘的博客 1万+

产品需求从场景,初始需求IR,产品需求 OR,设计需求DR,设计规格DS的具体案例说明,以扫地机产品为例

摘要: 以扫地机器人"宠物粪便避障"功能为例,说明从用户场景到产品落地的完整需求转化路径。初始需求(IR)源于养宠家庭痛点,要求100%避障并自动告警;产品需求(OR)转化为≥98%识别准确率等量化指标;设计需求(DR)拆解为感知、决策、执行三大技术模块;最终形成传感器选型(如索尼IMX678)、芯片规格(高通QCS6490)等设计规格(DS)。通过实验室模拟和用户测试验证,该功能使产品溢价30%,养宠家庭购买占比达52%,实现技术与商业价值的统一。

AIoT深度探索者 | 嵌入式系统架构师 深耕物联网(IoT)与人工智能(AI)融合技术,聚焦​​边缘计算、图像开发、低功耗通信协议​​,致力于智能硬件,关注我获取最新技术文章信息与海量资源~ 749

vue导出导入excel功能实现

vue导出导出excel功能实现 导入依赖 npm install file-saver npm install xlsx npm install script-loader **注意** 这里依赖可能有点不对,如果不对,请重新找依赖 npm install -D xlsx file-saver npm install -s script-loader 引入相关依赖 src/mian.js import XLSX from 'xlsx' import Blob from './vendor/Bl

wbddds的博客 1317

Could not find a package configuration file provided by “boost_signals“

gmapping/slam_gmapping/gmapping/CMakeLists.txt:14 (find_package)问题在14行,注释该行。,该语句的用以为告诉项目Boost库文件所在。

weixin_72050316的博客 1023

vue导出excel功能实现

vue导出excel功能实现第一步安装依赖包第二步在项目中assets创建一个新的文件夹js用于存放Blob和Export2Excel两个js文件第三步在你那个组件中使用写事件方法Export2Excel.js文件Blob.js文件 第一步安装依赖包 cnpm install file-saver cnpm install xlsx cnpm install script-loader 第二步在...

weixin_42712370的博客 9105

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

Vue前端实现excel的导入、导出、打印功能

Vue前端实现excel的导入、导出、打印功能 一、相关依赖 二、excel导入功能 三、table导出excel表格 1.导出行数据 2.导出table数据(也会导出合并单元格) 3.导出二维数据的table数据 4.导出合并单元格table数据 四、table导出excel表格(带样式) 1.导出带样式的excel 五、打印功能 1.直接使用window自带的打印功能: window.print() 2.使用打印插件:vue-print-nb

Litt_White的博客 1万+

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

Vue+EasyExcel实现Excel的导入导出功能

需要技术EasyExcel支持:添加链接描述 导出Excel 效果预览 代码奉上 Vue页面 带选中框的表格是直接从element-ui官网复制过来的 选中数据->选中的数据存放在data中的json_data变量中 点击导出Excel->将data中json_data的数据处理成后端想要的格式使用JSON.stringify()转化成Json字符串发送给后端接口 带选中框的表格 <template> <el-table ref="multipleTab.

liudachu的博客 1万+

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

在Vue3中实现Excel导出功能

/ 自定义表头const headers = ['ID', '姓名', '年龄'];// 合并表头和数据// 生成工作表// 后续步骤同上...

繁若华尘的博客 1395

vue实现列表的导出excel表格的功能

vue在做后台管理系统,会有导出excel表格的功能。 首先,通过npm或者yarn安装插件xlsx和file-saver npm i xlsl -S // 用于导出Excel表 npm i file-saver -S // 用于文件的下载 然后,话不多说复制就完事了,创建一个js文件ExportExcel.js,将下面所有代码ctrl + c,ctrl + v 到里面。这段代码为封装的导出表格的功能。 /* eslint-disable */ require('file-saver'); impor

JKC_HOWL的博客 976

Vue前端实现excel的导入、导出、打印功能_前端打印excel

/ 指定单元格样式fill: { //背景色// 列宽‘wch’: 25 //列宽return obj;})sheet[‘!//列宽// // 每列的列宽// sheet[“!// wpx: 70 //单元格列宽// }, {// wpx: 70// }, {// wpx: 70// }, {// wpx: 70// }, {// }, {// }];

2401_84433974的博客 4355

Vue——实现导出、导入Excel表格的功能

一、安装依赖项 npm install xlsx file-saver -S npm install script-loader -S -D 二、utils/Blob.js (function(view) { "use strict"; view.URL = view.URL || view.webkitURL; if (view.Blob && view.URL...

ygkyufcl的博客 723
上一篇: 如何在VUE项目中使用前端数据库WebSQL
下一篇: Vue中如何导入并读取Excel数据
前端的小小对象
博客等级 码龄11年 171粉丝 61原创
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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