l*******n
发帖数: 340 | 1 flat不潮湿,楼上要是有小孩儿,一般会有点儿吵.
flat楼下好处是不用上下楼,行动方便,夏天通风.
你要是townhouse赶上朝西的那种,又没有树,夏天会很热很热,要是朝北的那种,阳光也
不太多.
楼下等short notice,很快就可以入住. |
|
p*p
发帖数: 492 | 2 大概花费如何？
不把双层的拆掉，再加个三层的在后面可以吗? 窗户是上下结构的，所以我感觉这样可
行。。 |
|
y**j
发帖数: 949 | 3 整个精华区的树结构有问题。我点进去觉得象的分类都找不到修车的。
其实过去几年应该有不少推荐，应该在精华区，但找不到。
你是前版主，你说在哪。这个历届版主都有点责任。
我在板上找是因为记得前段时间有人贴过。 |
|
y********2
发帖数: 20 | 4 我有6年的web开发经验,能够独立开发前端到后端整个网站, 有较强的架构设计能力.
设计过一个网站架构, 后端是用mysql+php+yii的基础上开发了一层自己的架构代码,
前端是在jquery+bootstrap的基础上开发了一层自己的架构. 前端是纯js写的前端, 跟
后端通信全部用纯json数据, 后端只包含controller和model和data层,view层全部由js
前端生成. 在我自己写的js前端架构中, 建立了前端类树结构, 前端的数据仓库, 前端
和后端的统一通信接口, 大大简化了后端的开发和运算成本,节省了大量的带宽. 我的
前端架构中还有统一的view配置系统, 将所有view统一变成舞台切换和元素摆放, 开发
了自己的元素库, 使得开发者几乎不用接触html就能完成强大的UI界面开发.
我本身从小有美术专长, 擅长美术设计.
从事过asp.net,java,python,ruby on rails,php的开发, 特别擅长javascript和php,
基本上任何语言我都能很快上手, 从前端到后端基本上所有岗位我都能干.
我现在就在Houston, 随时可以... 阅读全帖 |
|
t*****s
发帖数: 3478 | 5 我们这边那个我买了annual pass的水浅了很多，有个boat ramp都关了，另外一个boat
ramp也没有见到船。我的小船吃水浅，不知道鱼是否还是应该有的。但是，倒树结构
什么的可能没有了。 |
|
r****p
发帖数: 1949 | 6 周末去Cowboy Lake，出门时零星小雨，到了山上变成持续大雨，鱼瘾上来，落雨下铁
都不顾。在停车场稍作停留，照了张像，按计划沿着左岸一路向北到头，然后原路折回，
总里程大概6～7迈。去的路上钓大嘴，用jig把沉树结构都骚扰一遍，过程不细表，反
正两个多小时雨不停，没有一个咬口。回程抡8"的大Swimbait扫striper，力气活，大
雨里还出了几身汗，汗水是热的，雨水是凉的，上身里外全湿透，又折腾两多小时，同
样，没一个咬口。天黑前到家，老婆已准备好了一锅热蛋汤，被浇了大半天的雨，这汤
喝起来格外地美味。 |
|
b*******8
发帖数: 37364 | 7 这个不一定，不把围棋天文变化整个分支树全算清，结论难说。每一步都是最好，也可
能是满盘不定型，忽然这里下一下，哪里下一下，好多大龙绞杀在一起，最后黑多几目
。或者同样是最后黑多几目，既有铺地板的，也有大砍大杀的，分支树上最优解有很多
个。 |
|
s***y
发帖数: 357 | 8 你说的差不多对，但是要计算出胜率还是很麻烦的。如果一共有N个BB,那么根据B的筹
码，都有对应的最佳策略.然后就是一个三叉树结构要用递推的方法算。还是得用计算
机解得。
我问这个问题主要是想知道，到底B的胜率有多大？有60%嘛？ |
|
x******2
发帖数: 9400 | 9 我也觉得，古老的一些风水对现今不适宜。比如种树吧，过去的房子地基是没有现在的
水泥钢筋结构的，所以不建议房屋四周有树木，怕根穿屋内。现在的屋基那个水泥铺的
厚，树根是造不成危险的，但还是不要太靠近房子为妙。我家的大树离房子有一定距离
，我的果树是种在大树中间，房子周围不敢种，只种些根系弱小的。 |
|
p*****e
发帖数: 16417 | 10 呵呵，要我说，张艺谋这片恋爱结构土得掉渣啊，完全遵循“打垒4步走”——拉手，拥
抱，亲吻，上床
最后，为了强调“爱得永恒”，只好让男主角死了。 |
|
|
a******m
发帖数: 3422 | 12 来自主题: LeisureTime版 - 半泽直树
如果中国这个输入法都搞不定，中文何以推广，传承？靠拼音？
很多人宁愿敲英文，特别是拼音把中文的结构，以至于思维都离散了！
这是不是美国人，微软的阴谋啊。 |
|
e***d
发帖数: 8248 | 13 来自主题: LeisureTime版 - 《生命树》 当我奔跑时
身前的未来沃野是华茂的冠盖
身后的过往蛮荒是绵密的根须
而我 就是连接它们的树干——当下
当我以超光速飞奔时
我一头撞开了一条时空的裂隙
肆意将它们倒置
此刻 我已分不清未来过往、沃野蛮荒、冠盖根须
因为 它们内蕴着相似的结构 |
|
F**********y
发帖数: 10265 | 14 看完了
结构太松散，he is not a good storyteller, :S
哪段都想感人，结果哪段都感动不了人
还真就是集体舞那段最喜欢 |
|
r*****8
发帖数: 2560 | 15 “最后，希望你能继续努力学习C++。语言学习不在数量，在于质量。能够精通一门比
泛泛学习多门语言更有意义，也更见功力。”
谢谢指点！
“语言学习不在数量，在于质量。”
这些语言都是被逼无奈才学的，工作需要，不同平台，不同环境，只好继续学。数据处
理完了，或者是达到目的了，就不用了。
“你所说的其他语言没有用，可能性有两个：第一，你没有用；第二，你没有显示的用
，但是事实上你所用的函数已经帮你完成了这些工作。”
我很同意，Python、R里面建立多维矩阵，数据量也很大，只是一个命令，没说怎么建
的。搜索多维矩阵，也只是一个函数，没显示怎么搜索。估计里面用到了二叉结构。
： 最后，希望你能继续努力学习C++。语言学习不在数量，在于质量。能够精通一门比泛
： 泛学习多门语言更有意义，也更见功力。 |
|
w*****r
发帖数: 7106 | 16 网评:
教学重点：
1、基歪门与飞机心连心，为飞机、为传教鞠躬尽瘁的崇高品德。
2、这首诗运用“询问——呼唤——寻找——应答”的独特构思来展现主题的特点，诗
中所表达的亿万飞机无限想念XX的深厚感情。
3、拟人、排比、反复等修辞手法。
教学课时：一课时
教学过程：
一、 把握全诗的感情基调
《基歪门，你在哪里》是一首现代抒情诗，是当代作家小牛衣裸痕为歌颂基歪门而创作
的。诗人从高度评价基歪门光辉的传教一生入笔，对基歪门的英灵急切地反复呼唤，反
复寻问，反复倾诉了亿万飞机的无限热爱和怀念的深情，直发了飞机XX飞机爱，飞机XX
爱飞机的思想志情，这是全诗的抒情基调。在了解基歪门一生丰功伟绩的基础上阅读全
诗，就会把握全诗的感情基调。
二、 掌握全诗的内容结构
全诗共九小节，可以分为三个部分 第一部分（第1节）有抒胸臆，从高度评价基歪门光
辉的传教一生入笔，通过反复呼唤，倾吐亿万飞机对基歪门的深切热爱、怀念、歌颂之
情。 第二部分（第2－6节）诗人热切的呼唤和山谷、大地、松涛、海浪的回音，逐步
展现了基歪门与亿万飞机血肉相连，息息相关的动人情景，表现了飞机XX爱飞机，飞机
XX飞机爱的主题。... 阅读全帖 |
|
i***a
发帖数: 11826 | 17 咳咳，这是五星白鱼阵 + 波塞冬滴鱼叉 + 树结构滴二分~~ |
|
c****t
发帖数: 19049 | 18 第71章 真假
许宣心里突突直跳，既来之，则安之，自己的性命、家人的安危，全都在此一搏！
当下默默跟随在林灵素身后，一边四下扫望，留心观察船上情形，一边思绪飞转，
筹划着万全之策。
大宋自建朝以来，便大力发展海外贸易，航海业极为发达，造船技术更是天下无双
。远航的大海船动辄载重几万石，不仅安全稳定，航速也极快，被各番国称为“海上城
堡”、“华夏神舟”，所经之处，无不引来番民围观惊叹，就连阿拉伯、波斯等地的商
人也纷纷斥巨资购买大宋的海舶，用于远洋。
然而大宋最引以为傲的却是所造之战舰。
战舰种类极多，大小各异，既有巍峨如城的楼船，又有迅疾如风的轮桨车船，此外
还有令鞑子闻风丧胆的“飞虎战舰”。当年韩世忠就是依仗这些战舰，将金兀术困在黄
天荡，几近丧命。
金鞑子乘坐的这五艘战船显然也是大宋所造，每一艘都长约二十来丈，宽近六丈，
极为雄伟坚固。
尤其这艘旗舰，共有五根桅杆，主桅高约十丈，装帆百余幅。船尾设了大小两个正
舵、两个副舵。侧舷装备四轮，每轮有八个翼片，轮转击水，行进如飞。
许正亭每年都要遣人数次，远赴高丽、南洋等地采购药材，为了防御海盗，专门购
买了两艘配有火炮的商船，许宣也曾上... 阅读全帖 |
|
c****t
发帖数: 19049 | 19 第105章 合战
混沌灰蓝的湖水被闪电、火光接连映照，时白时紫，连湖底也看得一清二楚。许宣全身
灌了铅似的急速沉落，心肺憋闷得就要爆炸开来了。就在他恐惧绝望，意识渐转模糊之
际，水里又被闪电照得一片蓝紫，下方忽然亮起一抹刺眼的光芒。
他心底咯噔一跳，被眼前奇景震得清醒了几分。
塔
在湖底的乱石丛与鼓舞的水草中，赫然矗立着一座绚光四射的宝塔
塔高十三层，八角尖顶，从其结构比例来看，至少还有十几层埋在湖底。仅此十三
层，便有二十余丈高，气势恢宏，通体仿佛有玲珑剔透的水晶制成，在上方闪电与火光
的透射下，闪耀着夺目的霓光。
正待凝神细看，水波一阵猛烈地摇荡，那座宝塔竟似突然消失了。然后任凭闪电狂
舞，照得湖底一片通明，也再找不着了。迷迷糊糊中又惊又疑，不知究竟是这雷电与惊
涛所形成的蜃楼海市呢，还是自己行将窒息产生的幻觉。
“轰”又是一阵惊天动地的剧震，青龙直冲湖底，鳞甲碧光晃眼。刹那间，湖水倒
涌逆卷，形成狂猛无匹的涡流，将他卷拔着往青龙巨口中吸去。
当是时，他耳中忽然听到“嗡嗡”呜鸣，似乎有许多人在七嘴八舌地传音说话，嘈
杂声中，隐约听见一个极为尖细古怪的声音喝道：“特云元且伊不度，盖且... 阅读全帖 |
|
E*****l
发帖数: 2662 | 20 好长，我还没仔细看完，笔者是基督徒吗，调调很像windmind，下面这段是不是有失偏颇，有时
候我觉得除了要学国史，也得学西方历史，批评中国文化没错，但自己人当然看自己的问题比较
透彻，总以为西方都很高尚却不对
所以中国人最喜欢区分好人坏人，对好人大树特树，似乎他从娘胎里便是个好人，决不可能坏；
对坏人、歹徒则要么诛杀，要么改造，使其"良心发现"。西方对于好人、坏人是就事论事的，一
次荣誉不足以享誉终生，犯了罪，该判什么判什么，不搞从宽从严。因为人们相信罪犯也有理
性，可以自己作判断和选择，感化教育通常是对儿童进行的，对成人则不能对此寄予太大的希
望。 |
|
w*****r
发帖数: 7106 | 21
网评:
教学重点：
1、基歪门与飞机心连心，为飞机、为传教鞠躬尽瘁的崇高品德。
2、这首诗运用“询问——呼唤——寻找——应答”的独特构思来展现主题的特点，诗
中所表达的亿万飞机无限想念XX的深厚感情。
3、拟人、排比、反复等修辞手法。
教学课时：一课时
教学过程：
一、 把握全诗的感情基调
《基歪门，你在哪里》是一首现代抒情诗，是当代作家小牛衣裸痕为歌颂基歪门而创作
的。诗人从高度评价基歪门光辉的传教一生入笔，对基歪门的英灵急切地反复呼唤，反
复寻问，反复倾诉了亿万飞机的无限热爱和怀念的深情，直发了飞机XX飞机爱，飞机XX
爱飞机的思想志情，这是全诗的抒情基调。在了解基歪门一生丰功伟绩的基础上阅读全
诗，就会把握全诗的感情基调。
二、 掌握全诗的内容结构
全诗共九小节，可以分为三个部分 第一部分（第1节）有抒胸臆，从高度评价基歪门光
辉的传教一生入笔，通过反复呼唤，倾吐亿万飞机对基歪门的深切热爱、怀念、歌颂之
情。 第二部分（第2－6节）诗人热切的呼唤和山谷、大地、松涛、海浪的回音，逐步
展现了基歪门与亿万飞机血肉相连，息息相关的动人情景，表现了飞机XX爱飞机，飞机
XX飞机爱的主题... 阅读全帖 |
|
s*********t
发帖数: 4253 | 22 如果在天上往下看颗树也是如此。。。
（top view）
不是lateral view |
|
f****p
发帖数: 18483 | 23 MAC OS9的时候和Dos1.0 似的，没有树结构，你只好把所有file都往一块。OS9也不是
抢占式的，和Windows 3.1很类似。 |
|
f****p
发帖数: 18483 | 24 MAC OS9的时候和Dos1.0 似的，没有树结构，你只好把所有file都往一块。OS9也不是
抢占式的，和Windows 3.1很类似。 |
|
s***e
发帖数: 284 | 25 假设有很多字符串，希望建个index迅速查找哪些字符串符合查询条件。
如果是精确匹配比较容易，比如前缀树什么的。想问问有什么index支持
对包含wildcard的字符串匹配，比如支持"*abc*"这样的查询
能给些论文的pointer嘛？谢谢。 |
|
a***n
发帖数: 404 | 26 如果tree不是规则的二叉树，这个是不是就不行了？
要是tree与tree有交集，那就更加复杂了。。。 |
|
b*********d
发帖数: 139 | 27 啥叫不是规则的二叉树？是tree就应该可以吧
有交集的话，不能分开算不同的tree吗？
没搞懂你的问题 |
|
n********6
发帖数: 1511 | 28 1。reporting用的数据库是ER model，没有warehouse。reporting分成2部分。第一部
分：根据日期（天）查询，提供一个树结构，并且提供drill down。点击一个node，打
开该node下面一层所有的node。第二部分：饼图，根据node显示下一层node的百分比。
没有用view。没有用partition. millions of records. one server.
如何提高performance? |
|
y****w
发帖数: 3747 | 29 还好吧 会递归不算过份 比如算这个日子 在数据库开发中树结构处理还是很多的
但算质数肯定算变态了 不如封装一个Java或c函数 |
|
e****7
发帖数: 4387 | 30 这个primary key 是不是identity column? 所以才自己递增。 |
|
|
e****7
发帖数: 4387 | 32
嗯，多半这个primary key column 加了auto_increment |
|
s**********o
发帖数: 14359 | 33 TABLE硬盘存储不是B-TREE么，什么时候变BINARY TREE了？
LOGICAL存储和PHYSICAL存储不是一回事好不好，怎么硬盘
存储当然是不同的软件不同的操作系统是不同的。LZ明显
地基本功不扎实，很多概念都不懂，你的PK是个AUTO INCREMENT的
INDENTITY吧，否则怎么会只增不减，学得什么呀。 |
|
f**d
发帖数: 1952 | 34 刚开始学数据库，试者回答一下，错的话，请改正。
PK很多是auto-number。PK本身一般是不能删除的，因为很多时候PK是另一个表的FK。
当增加一行新数据时，就会相应地分配一个新的PK值，否则，会发生在其它表（FK表）
中数据的不对应（不一致，混乱）。
至于表上的数据是如果存在硬盘上的，这个好象不在数据库考虑的范围里。 |
|
c*****d
发帖数: 6045 | 35 PK是可以删除的，但是确实要保证没有FK指向这个PK的值
或者是你保证，或者是数据库保证
比如，employee和department表
employee(employee_id, dept_id)
1, A
2, A
3, B
4, B
department (dept_id)
A
B
C
department中的dept_id是PK，你删除C没问题，删除A部门要么你自己先删除employee
中A部门的员工，要么用cascade constraints自动删除 |
|
c*********e
发帖数: 16335 | 36 okay,就你这个可能和我的问题有点沾边。接着你的这个帖子问，
department (dept_id)
dept_id＝1， A
dept_id＝2， B
dept_id＝3， C
dept_id＝4， D
删除了department里面的C行之后，如果我想加一行新数据到department里面，让这行
新数据的dept_id=3,而不是dept_id＝5，可以吗？
PK是可以删除的，但是确实要保证没有FK指向这个PK的值
或者是你保证，或者是数据库保证
比如，employee和department表
employee(employee_id, dept_id)
1, A
2, A
3, B
4, B
department (dept_id)
A
B
C
D
department中的dept_id是PK，你删除C没问题，删除A部门要么你自己先删除employee
中A部门的员工，要么用cascade constraints自动删除 |
|
c*****d
发帖数: 6045 | 37 这要看你这个字段是怎么定义的
如果是auto increment，不行，只能是5
如果是个普通的字段，可以 |
|
y*****g
发帖数: 677 | 38 我觉得你们所有的人都没有正确回答提问者的问题。
每行数据在硬盘里的存储相当复杂，很少人真正去研究它，而且也没有太多的必要。
MySQL 和其他的数据库实施的方法不一样。也INNODB ENGINE 为例，缺省的PAGE SIZE
是16K,它 有向前和向后的指针，指向其他的INDEX NODE, 数据就存在这个INDEX PAGE
里， 如果这个是LEAF NODE 的话。
未完待续 |
|
n******1
发帖数: 3756 | 39 说实在，他的问题并不准确，包括他补充的问题
其实Database System Concepts 这本书里面也提到很多存储的细节，当然针对每个数
据库的实现情况都不大一样
SIZE
PAGE |
|
s***r
发帖数: 500 | 40
直接改键值会破坏树结构的合法性？
set, map很多是用red-black tree实现的, 象STL里面的那个 |
|
f*******y
发帖数: 988 | 41 要我看单独设置一个id和name的lookup表，加一个按照id或者name的树
size |
|
O*******d
发帖数: 20343 | 42 写GUI基本上就是自己建一个树结构。窗户套窗户。 |
|
o**2
发帖数: 168 | 43 旁观了魏老师和goodbug/zhaoce的讨论，本来想参与的，只是预期中的讨论，很快就演
变成了争论。其实大家都是工程师，应该多关心一点engineering，就是谈技术不谈人
。而不是我胜了，或我这边的胜了，技术又不是谁的。
我今天为这家公司设计单机系统，明天为那家公司设计分布系统，有什么问题。因为今
天的现实是：分布系统发展很大，侵蚀了原单机系统的领域，但单机系统在少数领域还
是有优势的。所以魏在讨论之前就给讨论范围加了很多限定，反映了对这个现状了认知
，我觉得是很有工程师技术素养的表现。
今天分布系统还不能完胜单机系统，我个人认为是因为分布系统还没有出现一个通用的
设计模式，现在的很多方案都是比较特定的。源于有一个核心没有解决：就是多个
transactions是不能组合的，不论是本地的，还是分布的，但这个核心问题对分布系统
比较致命。今天不知道是什么状态，但大约两年前，我查了不少论文，学术界也没有什
么头绪。
一但transaction的组合问题解决了（就是多个小transaction可以组成一个大
transaction，然后可以重复，象树结构一样），分布系统基本上可以取代... 阅读全帖 |
|
s***n
发帖数: 459 | 44 是更广义的[a,b]-tree的一个特例，实践中都算B-tree一族。
这些都是控制树的深度的算法基础，主要用途是考算法，哈哈 |
|
b***i
发帖数: 3043 | 45 今天又莫名惊诧了，我以为问题解决了，可是怎么这么不痛快呢？
要求： PC软件要构造一个树结构，利用PC上的一些JSON文件,这些文件中有很多配置需
要用户设置。完成后，PC把大树发给嵌入式。例子：
{"device":
{"name":"top1",
"priority": 100%,
"autocycle":true,
"calculationFile1":"RRRR1.cal",
"calculationFile2":"RRRR2.cal",
"child":
{"device":
{"name":"top2"，...
其中，每个device可以有个孩子，孩子还是个device。device还有很多其他的配置，类
似Priority等需要用户给出，然后PC才能把大树发给嵌入式。
这些device的所有可配置信息怎么得来呢？在每个对应的device.json里面。而每个设
备由于拥有多个可计算的传感器，多个传感器文件的名字在device.json里面，而文件
和devic... 阅读全帖 |
|
b****r
发帖数: 17995 | 46 没错，我一点不觉得你这个是钻牛角尖，我的说法也只是一个推论。进化的东西很难实
验重复，一个东西是因是果确实很难说。但是如我前面所说，起码就进化树结构而言，
因为人类才是例外，而且人类是后面才从great ape里分出来，所以比较难用分离说来
解释。
另一方面，我也确实知道个对断裂说有支持的病例，是两个很特殊的家庭，数个成员都
有24对染色体，多出来的一对是从D G组染色体断臂出来形成的随体。但是特殊之处是
一般的随体都很快丢失，这两个家庭很稳定，可以把他们当作48对染色体的新人类
http://so.med.wanfangdata.com.cn/ViewHTML/DegreePaper_Y299110.a
关于着丝粒，我以前上过课确实记得着丝粒的序列是很有特征的，不知道你说的糊涂账
是个什么说法。 |
|
h****g
发帖数: 28 | 47 多谢多谢:)
资料已收到，实话说，由于实在不懂统计，所以看了半天也不大明白，呵呵
（好在现在最关键是要利用公式计算数据，那些不明白只有漫漫来了hehe)
不过关于Tucker所提出的rc公式问题，现基本明白在验证性因素分析CFA的情况下怎么用
（blush由于我手头资料印刷问题，所以第一次我列出的公式是错误的
估计你也没看明白，呵呵；多亏了你发给我的资料和你的RE文，我才
修正了我资料上的公式。同时我利用张树辉的资料用公式计算后验证了他所
报告的相合系数）
下面说说黄光国的探索性因素分析EFA后因素相合系数的计算
他在做的时候都是用的EFA，结果青年组Y组抽取了7个因子
老年组O组抽取了4个因子（因子抽取的方法和旋转方法一样）
然后将Y组的7个因子和O组的4个因子各自计算了相合系数rc,
这样下来总共有28个相合系数的数据
Y1 Y2 Y3 Y4 Y5 Y6 Y7
o1 * * * * * * *
o2 * * * * * * *
o3 * * * * * * *
o4 * * * * * * *
(说明：*是计算之后所得到 |
|
y***j
发帖数: 11235 | 48 有啥其他动态变量的方法么？
我只能想到一个借用建立一个temp文件，然后source这个文件。有没有正规点儿的？试
过eval(parse)也不行。
树是自己构建的。做类似FPgrowth之类的事情。
a=c("d","c","b","a")
atree=list(a[1])
atree_count=list(0)
for(i in a[-1])
{
atree_temp=list(i,atree)
atree=c(atree_temp,atree)
atree_count_temp=list(0,atree_count)
atree_count=c(atree_count_temp,atree_count)
}
atree是一个tree记录每个item
atree_count一个相同的tree记录每个item的count |
|
a***g
发帖数: 2761 | 49 em可以用来做mm是因为连续变量起码可以写似然的式子
如果是树结构的mm，通常连似然函数都没有很好的形式，所以在用b-d process，这也
是为什么很多做基因进化的人用它来解决问题
实际上不是什么方法fancy用什么而是看手头的数据符合什么类型才用什么 |
|
G****o
发帖数: 229 | 50 K-mean: 简单，大样本，分类数目不多，每个分类的样本数差不多
hierarchical clustering: 树结构，大样本，多分类，可以限制数据点间的连接关系。
GMM: 好处：快，缺点：不稳定。
Spectral cluster: 通过映射到低维处理图像相关问题，处理比较少的类别
DBSCAN: 寻找高密度区域。大数据，适中的分类数目
manifold learning: 将数据映射到低维
想看中文的详细介绍，我在翻译scikit-learn的文档。
可以check out https://github.com/jiayiliu/scikit-learn 编译一下doc_sc 里面的
文档
希望能有朋友一起完成 |
|
