当前位置:美高梅官方网站59599 > 新闻资讯 > 先看完这 2 个教程其一,其次解释型语言源码无

先看完这 2 个教程其一,其次解释型语言源码无

文章作者:新闻资讯 上传时间:2019-10-15

1、Python基础

Python是一种面向对象、解释型自由语言,语法简洁清晰、基础代码库丰裕,覆盖互联网、文件、GUI、数据库、文本等世界。并能和任何主流语言交流协助制作。Python重要分为Cpython、Jpython、IronPython、PyPy等。解释型语言可移植行好,可是运转速度没有编写翻译型语言,其次解释型语言源码不能像编写翻译型那样编写翻译成二进制串加密。

美高梅官方网站59599 1

 

Python 语言

绝大比非常多人学 Python 都以充当第二语言来学的, 所以既然已经有了另外语言的基础, 作者就推荐 2 个小而美的课程, 百页左右, 不啰嗦

  • 廖雪峰的 Python3 教程
  • 美高梅官方网站59599,A Byte of Python
    • 中文版 : 简明 Python 教程

先看完那 2 个教程其一, 就足以初叶写 Python 了... 碰着不分明的地点再去详细摸底, 比方 generator, yield

1.1.2 Linux

设置Python3.x.x,通过pip安装要求的第三方库。

HTML & CSS & JS

w3school 是入门基础, 要用爬虫获取数据, 必需先掌握 HTML 的构造

1.2 Python库

Python为开荒者提供充分代码库,开辟者从不会从零开端开荒,基础功用基本已经有现有的多谋善算者的框架或库帮助,由此大幅的进级开辟者的支付效用和拉长代码强壮性。

美高梅官方网站59599 2

 

Python很容命理术数!小编有弄多个交换,互问互答,财富分享的交流学习营地,若是你也是Python的学人大概大牌都应接您来!㪊:548+377+875!一同学习共同升高!

美高梅官方网站59599 3

 

尼科西亚房价飞涨,但也阻挡不住祖国各省人民来河内买房的欲念。日内瓦房价动辄几百万,程序员这种动物想在费城安宁压力山大。所以买房必然是人生一入眼决定,必得货比三家。当前各类房产中介,各样开拓商,种种楼盘。音讯多到我们鞭长莫及左右。因而技师就须要接纳规范的优势通过一些措施获取低价数据,剖析筛选最理想的房源。

爬虫

2.1.1 Python教你买房维度目标类别

Python教您买房首先大家必要规定大家购房时最关怀的维度类别和目的连串。关切首要维度和关键目标连串如图所示:

美高梅官方网站59599 4

 

Python教您买房,分为数据爬虫和大额解析。首先通过爬虫方式获得到尼科西亚房产交易网成功交易额和交易价格并搜查缴获卡塔尔多哈房价的取向,获得最合适的购房时间段,确认最好的上车时间。然后爬取365房产网数据并按客户关怀维度深度深入分析帅选得出适宜的房舍,做好全方位上车的预备。

美高梅官方网站59599 5

 

网址爬虫的大约思路是 :

  1. 效仿网站登陆必要
  2. 网络央浼获取网页源代码
  3. CSS selector 或 xpath 选定要求的因素, 获取内容属性等
  4. 结构化数据并储存到数据库
  5. 按时,并发施行爬虫
  • 关于 iOS 的爬虫, 能够参照笔者在此以前的篇章 iOS 抓取 HTML ,CSS XPath 剖判数据

2.1.2 Python教你买房框架

Python教您买房框架,主要分为5块,分别为主程序模块、代理IP模块、地图服务模块、可视化服务模块、指标页面模块等。主程序为率先运营代理IP模块,抓取带来IP并经过测量检验可用代理IP存入到代理池,定期线程定期清洗带来并把无效的带来IP剔除出代理池,代理IP模块并提供外界API获取代理IP。主程序通过代理服务拜访并抓取外界网页的一蹴而就新闻并在主程序模块掌握习HTML并写入到地头文件。主程序会调用地图服务得到经纬度音信,并绘制热力图等。同一时间间可视化模块定期读取文件并扭转可视化图形报表供业务侧剖析应用。

美高梅官方网站59599 6

 

1、主服务模块

主程块通过Api提供给前端客商登陆和获得客商交互输入,通过参数深入分析获取得到客户的急需组装诉求,获代替理IP转载呼吁到对象地方获取目的数据,重回数据经过html深入分析获得实惠数据写入到文件地图服务和可视化服务员产本身的图纸报表,辅佐得出Python教您买房的多少扶持。

2、IP代理服务模块

#!/usr/bin/env python3# -*- coding: utf-8 -*-# function:定时抓取免费代理IP,并检查可用性,可用proxy存入数据库供业务方调用获取# Author:elideng# date: 2017-11-11import requestsfrom bs4 import BeautifulSoupimport tracebackimport pymysqlimport threadingimport time'''
*@Function【爬取IpProxy】
*@Request: 请求 [in]
* param1 int iReqGetNum: 请求获取代理量
*@Response:响应 [out]
* param1 int iFinalGetNum: 最终获取代理量
*@Return:返回值 int : 0(成功) 其它失败
'''def GrabIpProxy():
 arrIpList = []
 User_Agent = 'Mozilla/5.0 (Windows NT 6.3; WOW64; rv:43.0) Gecko/20100101 Firefox/43.0'
 header = {}
 header['User-Agent'] = User_Agent #url = 'http://www.xicidaili.com/nn/1'
 url = 'http://www.baidu.com'
 res = requests.get(url, headers=header) if res.status_code == 200:
 info = {}
 soup = BeautifulSoup(res.text, 'lxml')
 ips = soup.findAll('tr') for x in range(1, len(ips)):
 ip = ips[x]
 tds = ip.findAll("td")
 ip_port = tds[1].contents[0] + ":" + tds[2].contents[0]
 arrIpList.append(ip_port) #后续加上代理可用校验,非可用踢出代理池
 #print(ip_port)
 #计算列表量
 return arrIpList'''
*@Function【测试ipProxy是否可用】
*@Request: 请求 [in]
* param1 String desUrl: 测试目的地址
* param2 String ipProxy:代理IP端口
* param3 int iTimeout:超时时间
* param4 String feature:目的地址特征
*@Response:响应 [out]
* param1 int iFinalGetNum: 最终获取代理量
*@Return:返回值 :成功返回代理Proxy 失败返回空
'''def checkProxyIP(desUrl, ipProxy, iTimeout=3, feature=""): #确认带来iPaddress 2秒内能否
 #desUrl = 'http://www.baidu.com'
 header = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; WOW64; rv:43.0) Gecko/20100101 Firefox/43.0'}
 proxies = {'http': 'http://' + ipProxy} #组装代理
 res = None # 声明
 exMsg = None
 try: #res = requests.get(url=desUrl, headers=header, proxies=proxies, timeout=iTimeout)
 res = requests.get(desUrl, proxies=proxies, timeout=iTimeout) # 代理方式请求,防止反爬虫
 soup = BeautifulSoup(res.text, 'lxml') #feature=""
 #print(soup.findAll(feature))
 except:
 exMsg = '* ' + traceback.format_exc() if exMsg: return -1
 if res.status_code != 200: return -1
 if res.text.find(feature) < 0: return -1
 return 0#更新代理池IPdef updateProxy(ipProxy, vaildFlag="N"):
 smysql = pymysql.connect(host='127.0.0.1', user='root', passwd='elideng', db='test')
 cursor = smysql.cursor() try:
 cursor.execute('update t_proxy set FvaildFlag="%s" where Fproxy="%s" limit 1' % (ipProxy, vaildFlag))
 smysql.commit() #提交执行
 except:
 smysql.rollback()
 smysql.close() return 0#新增代理池IPdef insertProxy(ipProxy, vaildFlag="Y"):
 smysql = pymysql.connect(host='127.0.0.1', user='root', passwd='elideng', db='test')
 cursor = smysql.cursor() try:
 cursor.execute('insert into t_proxy values("%s", "%s", now(), now())' % (ipProxy, vaildFlag))
 smysql.commit() #提交执行
 except:
 smysql.rollback()
 smysql.close() return 0#获取Proxydef getProxy(proxyNum):
 smysql = pymysql.connect(host='127.0.0.1', user='root', passwd='elideng', db='test')
 cursor = smysql.cursor()
 proxyList=[] try: if proxyNum == -1:
 cursor.execute('select Fproxy from t_proxy where FvaildFlag='Y'') else:
 cursor.execute('select Fproxy from t_proxy where FvaildFlag='Y' limit %s' % (proxyNum))
 results = cursor.fetchall() for row in results:
 proxyList.append(row[0]) except: # Rollback in case there is any error
 smysql.rollback()
 smysql.close() return proxyListdef CheckIpProxyTimer():
 arrIpList = []
 arrIpList = getProxy(-1) #获取代理池全量有效代理IP
 #测试地址
 #feature = 'xxx' #目标网页的特征码, 暂时不启用
 desUrl = "http://www.baidu.com"
 for ipProxy in arrIpList:
 iRes = checkProxyIP(desUrl, ipProxy) if iRes: #Proxy验证通过
 setProxy(ipProxy, "Y") else:
 setProxy(ipProxy, "N") #失效无效代理if __name__ == '__main__': #0、爬取免费代理IP
 GrabIpProxy() #1、启动定时线程,定时测试并清洗数据库代理IP
 timer = threading.Timer(3600, CheckIpProxyTimer)
 timer.start() #2、设置定时器失效时间
 time.sleep(5)
 timer.cancel() #5秒后停止定时器,程序可一直执行

3、地图服务模块

#!/usr/bin/env python3# -*- coding: utf-8 -*-# Author:elideng# date: 2017-11-08from urllib.request import urlopen, quoteimport jsonfrom bs4 import BeautifulSoupimport os#根据地址获取经纬度def getlnglat(address):
 url = 'http://api.map.baidu.com/geocoder/v2/'
 output = 'json'
 ak = 'ATzU2rqfrFoQcImvG9mvGm9bxchxjLYL'
 add = quote(address) #由于本文地址变量为中文,为防止乱码,先用quote进行编码
 uri = url + '?' + 'address=' + add + '&output=' + output + '&ak=' + ak
 req = urlopen(uri)
 res = req.read().decode()
 temp = json.loads(res)
 lat=0
 lng=0
 if 0 == temp['status']:
 lat=temp['result']['location']['lat']
 lng=temp['result']['location']['lng'] return lat,lng#根据两个经纬度计算距离def getPlaceDistance():
 return 0#根据两个地点计算各类交通时间def getPlaceTime():
 return 0def drawHeatChart(date):
 file = open("data.js", "a+") #data.js
 file.seek(3) # 定位到第0行
 file.writelines(date) #写入源数据到热力图源文件
 file.close() return 0if __name__ == '__main__':
 HeatChartSrcFile = input('输入热力图源文件:') #data.js
 drawHeatChart(HeatChartSrcFile)

<!DOCTYPE html><html><head>
 <meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
 <meta name="viewport" content="initial-scale=1.0, user-scalable=no" />
 <script
 src="http://www.dxnpoint.com/uploads/allimg/191015/0629442H0-6.jpg"
 integrity="sha256-hwg4gsxgFZhOsEEamdOYGBf13FyQuiTwlAQgxVSNgt4="
 crossorigin="anonymous"></script>
 <script type="text/javascript" src="http://api.map.baidu.com/api?v=2.0&ak=DD279b2a90afdf0ae7a3796787a0742e"></script>
 <script type="text/javascript" src="http://api.map.baidu.com/library/Heatmap/2.0/src/Heatmap_min.js"></script>
 <script type="text/javascript" src="./data.js"></script>
 <title>热力图功能示例</title>
 <style type="text/css">  ul,li{list-style: none;margin:0;padding:0;float:left;}  html{height:100%}  body{height:100%;margin:0px;padding:0px;font-family:"微软雅黑";}  #container{height:500px;width:100%;}  #r-result{width:100%;} </style></head><body>
 <div id="container"></div>
 <div id="r-result">
  <input type="button" onclick="openHeatmap();" value="显示热力图"/><input type="button" onclick="closeHeatmap();" value="关闭热力图"/>
 </div></body><script type="text/javascript">
 var map = new BMap.Map("container"); // 创建地图实例
 var point = new BMap.Point(114.061087, 22.528578); //自定义地图中点
 map.centerAndZoom(point, 12); // 初始化地图,设置中心点坐标和地图级别
 map.enableScrollWheelZoom(); // 允许滚轮缩放
 if(!isSupportCanvas()){
  alert('热力图目前只支持有canvas支持的浏览器,您所使用的浏览器不能使用热力图功能~')
 }
 heatmapOverlay = new BMapLib.HeatmapOverlay({"radius":20});
 map.addOverlay(heatmapOverlay); var param = {data:window.points,max:100}; //读取data.js热力源数据并生成热力图
 console.log(param);
 heatmapOverlay.setDataSet(param); //是否显示热力图
 function openHeatmap(){
 heatmapOverlay.show();
 } function closeHeatmap(){
 heatmapOverlay.hide();
 setTimeout(function(){
 location.reload();
 }, 10000)
 }
 closeHeatmap(); function setGradient(){  var gradient = {};  var colors = document.querySelectorAll("input[type='color']");
  colors = [].slice.call(colors,0);
  colors.forEach(function(ele){
   gradient[ele.getAttribute("data-key")] = ele.value;
  });
 heatmapOverlay.setOptions({"gradient":gradient});
 } //判断浏览区是否支持canvas
 function isSupportCanvas(){ var elem = document.createElement('canvas'); return !!(elem.getContext && elem.getContext('2d'));
 }</script></html>

4、可视化模块

#!/usr/bin/env python3# -*- coding: utf-8 -*-# function:可视化服务# Author:elideng# date: 2017-11-05import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport plotlyimport plotly.plotly as pyimport plotly.graph_objs as go
plotly.tools.set_credentials_file(username='elideng', api_key='tsc3809760')#雷达图显示房屋关注指标def drawRadarMap(chartName, arrLables, arrData, labelNum):
 #数据校验
 if labelNum < 0 or labelNum >10: return -1
 if len(arrLables) != labelNum or len(arrData) != labelNum: return -2
 #=======自己设置开始============
 #标签
 labels = np.array(arrLables) #数据
 data = np.array(arrData) #========自己设置结束============
 angles = np.linspace(0, 2*np.pi, labelNum, endpoint=False)
 data = np.concatenate((data, [data[0]])) # 闭合
 angles = np.concatenate((angles, [angles[0]])) # 闭合
 fig = plt.figure()
 ax = fig.add_subplot(111, polar=True) # polar参数!!
 ax.plot(angles, data, 'bo-', linewidth=2) # 画线
 ax.fill(angles, data, facecolor='r', alpha=0.25)# 填充
 ax.set_thetagrids(angles * 180/np.pi, labels, fontproperties="SimHei")
 ax.set_title(chartName, va='bottom', fontproperties="SimHei")
 ax.set_rlim(0,10)
 ax.grid(True)
 plt.show()#皮尔逊作图def drawPearson():
 return 0

Python 爬虫

要写贰个爬虫, 能够用一些骨干的库, 也足以用爬虫框架 :

2.1.3 Python教您买房系列

1、网页观望

率先分明爬取安居客布Rees班房源,显著开场面址 log勾选,清空Filter后刷新网页,观看网页html代码。

2、网页爬取

透过Python3的requests库提供的HTTP央求Get/Post通用方法模拟浏览器央浼生成全数切合法则的U翼虎L归入到行列,并循环诉求切合要求的房源新闻。乞请响应html通过BeautifulSoup解析html,并经过find_all合作正则表达式提取到html有效数据并写入到文件待深入分析。

3、多线程

爬虫最后指标正是爬取到愈来愈多切合顾客要求的数目,如若单线程实践,抓取效能有限,因此爬虫须要丰硕八线程机制。二十四线程的兑现方式有各个,如thread,threading,multithreading,在那之中thread偏底层,threading对thread举行了自然打包。Python落成二十三十二线程的不二诀窍有两种函数或类包装。

 #多线程方式
 for i in generate_allurl(user_in_nub, user_in_city): #获取某城市
 print(i) for url in get_allurl(i):
 my_thread = threading.Thread(target=main, args=(url, arrIPList))
 my_thread.start() print(url)
 my_thread.join() print("current has %d threads" % (threading.activeCount() - 1)) #当前存活线程
 #线程池方式
 pool.map(main, [url for url in get_allurl(i)])

4、Headers设置

为规避反爬虫战略,后端央求需求效法顾客平常客商从浏览器央浼,因而供给增多哀告头。设置格局如下:

header = {'Accept': '*/*', 'Accept-Language': 'en-US,en;q=0.8', 'Cache-Control': 'max-age=0', 'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/48.0.2564.116 Safari/537.36', 'Connection': 'keep-alive', 'Referer': 'http://www.baidu.com/'}
res = requests.get(url, headers=header)

5、Session设置

6、IP代理池

爬虫出现就出生了反爬虫,反爬虫的面世就催生了反反爬虫,思想家黑格尔说过存在即是情理之中。由此不菲技艺便是在伯仲之间中稳步成长。贝壳找房是有反爬虫IP封锁机制,为了防止万一反爬虫链接网限制爬取到更非常多据样本扶植与剖析。由此使用IP代理池的措施,每一回需要都随便得到IP和端口访谈外界网址。获取IP代理池的艺术有付费的和免费的不二等秘书籍可机关网络抓取并解析。

proxies={"http":"http://10.14.36.109:8080"}res = requests.get(url, headers=header, proxies=proxies)

7、监控

爬虫抓取是七个耗费时间较长的工程,因而须求加上监察和控制,定期报告抓取进度到业务方,确认整个爬虫程序是或不是正规施行。//TODO

基本库

  1. Beautiful Soup : 从 HTML 获取钦点的节点及数量
  2. Requests: HTTP for Humans : 互连网必要库

最大旨的正是那 2 个模块, 别的的数码存款和储蓄, 按期职务, 二十多线程等都以猛虎添翼

没错的科目
Python爬虫利器一之Requests库的用法
Python爬虫利器二之Beautiful Soup的用法
Scrapy笔记11- 模拟登陆
Scrapy随机改换User-Agent和兑现IP代理池

2.2数额深入分析 //TODO

大数量时期的网络爬虫爬取到有效消息,供给经过接二连三洗涤、加工、总括、剖析、建立模型等拍卖措施。数据深入分析是组成有效新闻并详尽研讨和回顾产生结论的经过。在实用中,数据解析可支持大家作出剖断,以便利用适度行动。

爬虫框架

  1. Scrapy
  2. PySpider

出于商场原因, 笔者接触的是 Scrapy

Scrapy 是三个针锋相对成熟的框架, 多线程, 并发数, 中间件, 超时, 自定义 header, UA, 数据仓库储存款和储蓄, Log, 陈设 等等都有千辛万苦的缓慢解决方案和示范, 那也是本人选择选用它的原因.

没错的科目
scrapy爬虫框架教程(一)-- Scrapy入门
动用Scrapy爬取全数新浪顾客详细音信并存至MongoDB(附摄像和源码)

2.2.1 阿布扎比购房词云剖析

依靠链家爬取样3199条待售房源,购销二手房产大家最关系的参数目的词云图。如图所示我们最关注的满五牛,户型方正等。在购房的的时候我们能够按此词云图详细领会各种需求我们关切的参数指标,心有成竹。

美高梅官方网站59599 7

 

#词云图def drawWordCloud(fileName):

d = path.dirname(__file__) # Read the whole text.

text = open(path.join(d, fileName), encoding='utf-8').read() # Generate a word cloud image 汉语必需钦赐地点中文编码

wordcloud = WordCloud(font_path="C:WindowsFontssimsun.ttc", width=2400, height=1800).generate(text) # Display the generated image:

plt.imshow(wordcloud)

plt.axis("off") # lower max_font_size

wordcloud = WordCloud(max_font_size=40).generate(text)

plt.figure()

plt.imshow(wordcloud)

plt.axis("off")

plt.show()

部署

在 Scrapy 官网 能够观望, 官方的配备指南,

  • scrapy/scrapyd 用来本地铺排
  • Scrapinghub Platform 是三个看似 Heroku 的云平台, 特地配备 Scrapy 爬虫

2.2.2 蒙得维的亚房源维度剖判

布Rees班房源按多维度深入分析成交量/成交价趋势和Pearson全面深入分析;放盘量和反叛价深入分析;房源内部参数(如2.1.1)量化深入分析,房源外界参数量化深入分析等措施。末理解释大家购房时比较关心难点如怎么买的惊羡的好房,几时是买房最佳的火候等。

美高梅官方网站59599 8

 

动态页面

  1. 多少页面包车型地铁数码是 JS 动态加载的, 例如懒加载图片, 滚动加载更加的多等
    • 这时候, 大家平昔发送网络恳求获取到的页面, 并未实行 JS 代码, 所以懒加载的因素都尚为加载出来, 大家供给上边 2 个库.
  2. Python 代码控制 PhantomJS 加载页面, 然后 Selenium 模拟客商点击, 滚动荧屏, 触发网页中的 AJAX 加载越来越多内容的乞求, 等因素都加载完全, 再爬取数据

Selenium : web的自动测量试验工具, 模拟点击开关, 滚动页面等
PhantomJS : 未有分界面包车型客车浏览器

没有错的教程
Python爬虫利器五之Selenium的用法
Python爬虫利器四之PhantomJS的用法

2.2.3 布拉迪斯拉发房源数据模型

美高梅官方网站59599 9

 

其它

2.2.4 卡拉奇房源均价热力模型

如图突显费城蒙特利尔住房来源均价热力模型。//TODO 待深入分析

美高梅官方网站59599 10

 

1. 又恐怕, 你学习爬虫只是想赶快的抓取数据, 你能够品尝上面的软件(网址), 能够不用写代码, 可视化的编排抓取数据的任务
  • scrapinghub/portia
  • 火车头
  • 八爪鱼
  • import.io

2.2.5 卡萨布兰卡房源均价涨速热力模型

//TODO 显著涨速最快,最具投资价值的区域,数据来源官方网址阿布扎比房土地资金财产音讯种类:

2. 只要您未有和睦的服务器, VPS , 可以使用

mLab : 云 MongoDB 服务

2.2.6 卡塔尔多哈房源成交量热力模型

//TODO

Ref

woodenrobot 的 blog
崔庆才的个人博客

2.2.7 尼科西亚住房来源成交量热力模型

最后

作品是自己爬取 V2EX 的学习整理

我的 V2 爬虫 : V2EX_Crawler

2.2.8 尼科西亚住房来源成交量和成交价Pearson周密

//TODO 总结Pearson周全,鲜明量价比关系,确认温哥华住房来源当前状态和展望接下去也许的动静(有价有市,有市无价,有价无市),推断当前是还是不是改上车。

2.2.9 温哥华房屋里面指数量化雷达图模型

尼科西亚屋企雷达图分析,程序首先会爬取到海量柏林(Berlin)待售的房产音讯,等第差=(最高值-最低值)/10的点子把均价,实际使用率,梯户比例,楼层,楼间隔等目的划分10等分,然后客商输入本人赞佩的房舍,程序将计算改屋子的目标在海量房产中的雷达位置,辅助客户快速明白心仪房产的参数配置。效果图如下:

美高梅官方网站59599 11

 

#雷达图显示房屋关注指标def drawRadarMap(chartName, arrLables, arrData, labelNum):
 #数据校验
 if labelNum < 0 or labelNum >10: return -1
 if len(arrLables) != labelNum or len(arrData) != labelNum: return -2
 #=======自己设置开始============
 #标签
 labels = np.array(arrLables) #数据
 data = np.array(arrData) #========自己设置结束============
 angles = np.linspace(0, 2*np.pi, labelNum, endpoint=False)
 data = np.concatenate((data, [data[0]])) # 闭合
 angles = np.concatenate((angles, [angles[0]])) # 闭合
 fig = plt.figure()
 ax = fig.add_subplot(111, polar=True) # polar参数!!
 ax.plot(angles, data, 'bo-', linewidth=2) # 画线
 ax.fill(angles, data, facecolor='r', alpha=0.25)# 填充
 ax.set_thetagrids(angles * 180/np.pi, labels, fontproperties="SimHei")
 ax.set_title(chartName, va='bottom', fontproperties="SimHei")
 ax.set_rlim(0,10)
 ax.grid(True)
 plt.show()

2.2.10 布拉迪斯拉发房屋外界指数量化雷达图模型

//TODO 量化外部指标参数(学位,大巴间距,公共交通具体,公园布满,商圈等)

之所以,还不会Python的,想买房的,连忙来上学了!有效期抢购哦!

本文由美高梅官方网站59599发布于新闻资讯,转载请注明出处:先看完这 2 个教程其一,其次解释型语言源码无

关键词: