【网页游戏透视源码】【点呗红包源码】【工具类app源码】ik源码分析-皮皮网

【网页游戏透视源码】【点呗红包源码】【工具类app源码】ik源码分析

时间:2024-11-24 22:34:21 来源：即时游戏源码编辑：.fla文件源码编辑

1.Elasticsearch7.8.0集成IK分词器改源码实现MySql5.7.2实现动态词库实时更新
2.如何读取elasticsearch的源码分词索引信息
3.Google Aviator——轻量级 Java 表达式引擎实战
4.å¦ä½ç®ä¾¿ä½¿ç¨ikanalyzer
5.叙述使用计算机(击键)输入中文的原理?
6.Unity3d FootIK写一个最简单的IK（1）

ik源码分析

Elasticsearch7.8.0集成IK分词器改源码实现MySql5.7.2实现动态词库实时更新

本文旨在探讨 Elasticsearch 7.8.0 集成 IK 分词器的改源码实现，配合 MySQl 5.7.2 实现动态词库实时更新的分析方法。

IK 分词器源码通过 URL 请求文件或接口实现热更新，源码无需重启 ES 实例。分析然而，源码这种方式并不稳定，分析网页游戏透视源码因此，源码采用更为推荐的分析方案，即修改源码实现轮询查询数据库，源码以实现实时更新。分析

在进行配置时，源码需下载 IK 分词器源码，分析并确保 maven 依赖与 ES 版本号相匹配。源码引入 MySQl 驱动后，分析开始对源码进行修改。源码

首先，创建一个名为 HotDictReloadThread 的新类，用于执行远程词库热更新。接着，修改 Dictionary 类的 initial 方法，以创建并启动 HotDictReloadThread 实例，执行字典热更新操作。

在 Dictionary 类中，找到 reLoadMainDict 方法，针对扩展词库维护的逻辑，新增代码加载 MySQl 词库。为此，需预先在数据库中创建一张表，用于维护扩展词和停用词。同时，在项目根路径的 config 目录下创建 jdbc-reload.properties 配置文件，用于数据库连接配置。

通过 jdbc-reload.properties 文件加载数据库连接，执行扩展词 SQL，点呗红包源码将结果集添加到扩展词库中。类似地，实现同步 MySQl 停用词的逻辑，确保代码的清晰性和可维护性。

完成基础配置后，打包插件并将 MySQl 驱动 mysql-connector-java.jar 与插件一同发布。将插件置于 ES 的 plugins 目录下，并确保有相应的目录结构。启动 ES，查看日志输出，以验证词库更新功能的运行状态。

在此过程中，可能遇到如 Column 'word' not found、Could not create connection to database server、no suitable driver found for jdbc:mysql://...、AccessControlException: access denied 等异常。通过调整 SQL 字段别名、确认驱动版本匹配、确保正确配置环境以及修改 Java 政策文件，这些问题均可得到解决。

本文通过具体步骤和代码示例，详细介绍了 Elasticsearch 7.8.0 集成 IK 分词器，配合 MySQl 5.7.2 实现动态词库实时更新的完整流程。读者可根据本文指南，完成相关配置和代码修改，以实现高效且稳定的词库管理。

如何读取elasticsearch的分词索引信息

一、插件准备

网上有介绍说可以直接用plugin -install medcl/elasticsearch-analysis-ik的办法，但是我执行下来的效果只是将插件的源码下载下来，elasticsearch只是将其作为一个_site插件看待。

所以只有执行maven并将打包后的jar文件拷贝到上级目录。（否则在定义mapping的analyzer的时候会提示找不到类的错误）。

由于IK是工具类app源码基于字典的分词，所以还要下载IK的字典文件，在medcl的elasticsearch-RTF中有，可以通过这个地址下载：

下载之后解压缩到config目录下。到这里，你可能需要重新启动下elasticsearch，好让下一部定义的分词器能立即生效。

二、分词定义

分词插件准备好之后就可以在elasticsearch里定义（声明）这个分词类型了（自带的几个类型，比如standred则不需要特别定义）。跟其他设置一样，分词的定义也可以在系统级（elasticsearch全局范围），也可以在索引级（只在当前index内部可见）。系统级的定义当然是指在conf目录下的

elasticsearch.yml文件里定义，内容大致如下：

index:

analysis:

analyzer:

ikAnalyzer:

alias: [ik]

type: org.elasticsearch.index.analysis.IkAnalyzerProvider

或者 index.analysis.analyzer.ik.type : "ik"

因为个人喜好，我并没有这么做，而是定义在了需要使用中文分词的index中，这样定义更灵活，也不会影响其他index。

在定义analyze之前，先关闭index。其实并不需要关闭也可以生效，但是为了数据一致性考虑，还是先执行关闭。（如果是线上的系统需要三思）

curl -XPOST

(很显然，这里的application是我的一个index）

然后执行：

curl -XPUT localhost:/application/_settings -d '

{

"analysis": {

"analyzer":{

"ikAnalyzer":{

"type":"org.elasticsearch.index.analysis.IkAnalyzerProvider",

"alias":"ik"

}

打开index：

curl -XPOST

到此为止一个新的类型的分词器就定义好了，接下来就是要如何使用了

或者按如下配置

curl -XPUT localhost:/indexname -d '{

"settings" : {

"analysis" : {

"analyzer" : {

"ik" : {

"tokenizer" : "ik"

}

"mappings" : {

"article" : {

"dynamic" : true,

"properties" : {

"title" : {

"type" : "string",

"analyzer" : "ik"

}

如果我们想返回最细粒度的分词结果，需要在elasticsearch.yml中配置如下：

index:

analysis:

analyzer:

ik:

alias: [ik_analyzer]

type: org.elasticsearch.index.analysis.IkAnalyzerProvider

ik_smart:

type: ik

use_smart: true

ik_max_word:

type: ik

use_smart: false

三、使用分词器

在将分词器使用到实际数据之前，可以先测验下分词效果：

中文分词

分词结果是：

{

"tokens" : [ {

"token" : "中文",

"start_offset" : 0,

"end_offset" : 2,

"type" : "CN_WORD",

"position" : 1

}, {

"token" : "分词",

"start_offset" : 2,

"end_offset" : 4,

"type" : "CN_WORD",

"position" : 2

} ]

}

与使用standard分词器的效果更合理了：

{

"tokens" : [ {

"token" : "中",

"start_offset" : 0,

"end_offset" : 1,

"type" : "<IDEOGRAPHIC>",

"position" : 1

}, {

"token" : "文",

"start_offset" : 1,

"end_offset" : 2,

"type" : "<IDEOGRAPHIC>",

"position" : 2

}, {

"token" : "分",

"start_offset" : 2,

"end_offset" : 3,

"type" : "<IDEOGRAPHIC>",

"position" : 3

}, {

"token" : "词",

"start_offset" : 3,

"end_offset" : 4,

"type" : "<IDEOGRAPHIC>",

"position" : 4

} ]

}

新的分词器定义完成，工作正常后就可以在mapping的定义中引用了，比如我定义这样的type：

curl localhost:/application/article/_mapping -d '

{

"article": {

"properties": {

"description": {

"type": "string",

"indexAnalyzer":"ikAnalyzer",

"searchAnalyzer":"ikAnalyzer"

"title": {

"type": "string",

"indexAnalyzer":"ik",

"searchAnalyzer":"ik"

}

很遗憾，对于已经存在的index来说，要将一个string类型的教育直播app 源码field从standard的分词器改成别的分词器通常都是失败的：

{

"error": "MergeMappingException[Merge failed with failures { [mapper [description] has different index_analyzer, mapper [description] has

different search_analyzer]}]",

"status":

}

而且没有办法解决冲突，唯一的办法是新建一个索引，并制定mapping使用新的分词器（注意要在数据插入之前，否则会使用elasticsearch默认的分词器）

curl -XPUT localhost:/application/article/_mapping -d '

{

"article" : {

"properties" : {

"description": {

"type": "string",

"indexAnalyzer":"ikAnalyzer",

"searchAnalyzer":"ikAnalyzer"

"title": {

"type": "string",

"indexAnalyzer":"ik",

"searchAnalyzer":"ik"

}

至此，一个带中文分词的elasticsearch就算搭建完成。想偷懒的可以下载medcl的elasticsearch-RTF直接使用，里面需要的插件和配置基本都已经设置好。

------------

标准分词（standard）配置如下：

curl -XPUT localhost:/local -d '{

"settings" : {

"analysis" : {

"analyzer" : {

"stem" : {

"tokenizer" : "standard",

"filter" : ["standard", "lowercase", "stop", "porter_stem"]

}

"mappings" : {

"article" : {

"dynamic" : true,

"properties" : {

"title" : {

"type" : "string",

"analyzer" : "stem"

}

index:local

type:article

default analyzer:stem (filter:小写、停用词等)

field:title　　

测试：

# Sample Analysis

curl -XGET localhost:/local/_analyze?analyzer=stem -d '{ Fight for your life}'

curl -XGET localhost:/local/_analyze?analyzer=stem -d '{ Bruno fights Tyson tomorrow}'

# Index Data

curl -XPUT localhost:/local/article/1 -d'{ "title": "Fight for your life"}'

curl -XPUT localhost:/local/article/2 -d'{ "title": "Fighting for your life"}'

curl -XPUT localhost:/local/article/3 -d'{ "title": "My dad fought a dog"}'

curl -XPUT localhost:/local/article/4 -d'{ "title": "Bruno fights Tyson tomorrow"}'

# search on the title field, which is stemmed on index and search

curl -XGET localhost:/local/_search?q=title:fight

# searching on _all will not do anystemming, unless also configured on the mapping to be stemmed...

curl -XGET localhost:/local/_search?q=fight

例如：

Fight for your life

分词如下：

{ "tokens":[

{ "token":"fight","start_offset":1,"end_offset":6,"type":"<ALPHANUM>","position":1},<br>

{ "token":"your","start_offset":,"end_offset":,"type":"<ALPHANUM>","position":3},<br>

{ "token":"life","start_offset":,"end_offset":,"type":"<ALPHANUM>","position":4}

]}

-------------------另一篇--------------------

ElasticSearch安装ik分词插件

一、IK简介

IK Analyzer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。从年月推出1.0版开始， IKAnalyzer已经推出了4个大版本。最初，它是以开源项目Luence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。从3.0版本开始，IK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。在版本中，IK实现了简单的分词歧义排除算法，标志着IK分词器从单纯的词典分词向模拟语义分词衍化。

IK Analyzer 特性:

1.采用了特有的逗正向迭代最细粒度切分算法逗，支持细粒度和智能分词两种切分模式；

2.在系统环境：Core2 i7 3.4G双核，4G内存，window 7 位， Sun JDK 1.6_ 位普通pc环境测试，IK具有万字/秒（KB/S）的高速处理能力。

3.版本的智能分词模式支持简单的分词排歧义处理和数量词合并输出。

4.采用了多子处理器分析模式，支持：英文字母、数字、中文词汇等分词处理，触动手游源码兼容韩文、日文字符

5.优化的词典存储，更小的内存占用。支持用户词典扩展定义。特别的，在版本，词典支持中文，英文，数字混合词语。

二、安装IK分词插件

假设读者已经安装好ES，如果没有的话，请参考ElasticSearch入门 —— 集群搭建。安装IK分词需要的资源可以从这里下载，整个安装过程需要三个步骤：

1、获取分词的依赖包

通过git clone ，下载分词器源码，然后进入下载目录，执行命令：mvn clean package，打包生成elasticsearch-analysis-ik-1.2.5.jar。将这个jar拷贝到ES_HOME/plugins/analysis-ik目录下面，如果没有该目录，则先创建该目录。

2、ik目录拷贝

将下载目录中的ik目录拷贝到ES_HOME/config目录下面。

3、分词器配置

打开ES_HOME/config/elasticsearch.yml文件，在文件最后加入如下内容：

index:

analysis:

analyzer:

ik:

alias: [ik_analyzer]

type: org.elasticsearch.index.analysis.IkAnalyzerProvider

ik_max_word:

type: ik

use_smart: false

ik_smart:

type: ik

use_smart: true

或

index.analysis.analyzer.default.type: ik

ok！插件安装已经完成，请重新启动ES，接下来测试ik分词效果啦！

三、ik分词测试

1、创建一个索引，名为index。

curl -XPUT

2、为索引index创建mapping。

curl -XPOST /fulltext/_mapping -d'

{

"fulltext": {

"_all": {

"analyzer": "ik"

"properties": {

"content": {

"type" : "string",

"boost" : 8.0,

"term_vector" : "with_positions_offsets",

"analyzer" : "ik",

"include_in_all" : true

}

3、测试

curl '/_analyze?analyzer=ik&pretty=true' -d '

{

"text":"世界如此之大"

显示结果如下：

{

"tokens" : [ {

"token" : "text",

"start_offset" : 4,

"end_offset" : 8,

"type" : "ENGLISH",

"position" : 1

}, {

"token" : "世界",

"start_offset" : ,

"end_offset" : ,

"type" : "CN_WORD",

"position" : 2

}, {

"token" : "如此",

"start_offset" : ,

"end_offset" : ,

"type" : "CN_WORD",

"position" : 3

}, {

"token" : "之大",

"start_offset" : ,

"end_offset" : ,

"type" : "CN_WORD",

"position" : 4

} ]

}

Google Aviator——轻量级 Java 表达式引擎实战

本文将探讨Google Aviator——一款轻量级Java表达式引擎，其在实战中的表现和与其他常用表达式引擎如Drools、IKExpression和Groovy的对比。Drools以其高性能和Java实现闻名，但主要关注复杂对象的规则匹配，而Aviator则定位在轻量级和高性能之间，编译执行模式提供更好的性能。IKExpression作为解释执行的引擎，虽然简洁，但在性能上不如Aviator和Groovy。Groovy凭借动态执行和JIT编译，适用于频繁执行的场景。

在实际场景中，比如监控告警规则配置，Aviator能快速将规则转化为表达式并执行，如示例所示：

通过自定义函数实现，只需继承AbstractAlertFunction，如源码所示，并在初始化时注册。对于性能问题，推荐使用编译缓存模式，以减少每次执行时的编译成本。

Aviator的性能优化和管理可以通过其提供的缓存管理方法来实现。对于更深入的技术探讨和参考，可以参考作者的个人博客和相关文档。

å¦ä½ç®ä¾¿ä½¿ç¨ikanalyzer

IKAnalyzer ç¨æ¥å¯¹ä¸æ®µæéè¿è¡åè¯

<?xml version="1.0" encoding="UTF-8"?>

<!DOCTYPE properties SYSTEM "/dtd/properties.dtd">

<comment>IK Analyzer æ©å±éç½®</comment>

<entry key="ext_dict">/ikdic/ext_keyword.dic;</entry>//å¨classpathæ ¹ç®å½ä¸çikdicåä¸çext_keyword.dic,ä¸ºæ©å±åå¸

<entry key="ext_stopwords">/ikdic/ext_stopword.dic</entry> //å¨classpathæ ¹ç®å½ä¸çikdicåä¸çext_stopword.dic,ä¸ºåæ¢åå¸

</properties>

è³äºè°ç¨æ¯å¾ç®åçï¼

package org.bdp.util;

import java.io.ByteArrayInputStream;

import java.io.IOException;

import java.io.InputStream;

import java.io.InputStreamReader;

import java.io.Reader;

import java.util.ArrayList;

import java.util.List;

import org.wltea.analyzer.core.IKSegmenter;

import org.wltea.analyzer.core.Lexeme;

public class CZIKAnaUtil {

public static void main(String[] args) {

String str = "æå(-)";

IKAnalysis(str);

}

public static List<String> IKAnalysis(String str) {

List<String> keywordList = new ArrayList<String>();

try {

byte[] bt = str.getBytes();

InputStream ip = new ByteArrayInputStream(bt);

Reader read = new InputStreamReader(ip);

IKSegmenter iks = new IKSegmenter(read,true);//trueå¼å¯åªè½åè¯æ¨¡å¼ï¼å¦æä¸è®¾ç½®é»è®¤ä¸ºfalseï¼ä¹å°±æ¯ç»ç²åº¦åå²

Lexeme t;

while ((t = iks.next()) != null) {

keywordList.add(t.getLexemeText());

}

} catch (IOException e) {

e.printStackTrace();

}

/* for (int i = 0; i < keyWordList.size() - 1; i++) {

for (int j = keyWordList.size() - 1; j > i; j--) {

if (keyWordList.get(j).equals(keyWordList.get(i))) {

keyWordList.remove(j);

}

Collections.sort(keyWordList, new Comparator<String>() {

@Override

public int compare(String o1, String o2) {

return o2.length() - o1.length();

}

})*/

System.out.println(keywordList);

return keywordList;

}

叙述使用计算机(击键)输入中文的原理?

首先你要对Basic语言有一定了解才可看明白的.

中文输入法的实现过程：

首先，说一下ASCII码与CHR$字符的关系，我们都清楚从0到是文本控制符，到都是英文、数字及

一些常用字符。如：a$ = CHR$() ，对应的 a$ = "A"。而中文字符的ASCII范围是从到。中文字是由两个字

符组成的，所以一个中文字是由两个从到的组合字符构成。如 a$ = CHR$() + CHR$()。对应变量

a$ = "我"。相反如果想知道一个中文字是由那两个ASCII码组成，我们可以将它拆成两个字符，用ASC（）函数就可

知道它的相对ASCII码值。如：

PRINT ASC( LEFT$(a$ ,1))；

PRINT ASC(RIGHT$(a$ ,1))

结果显示：

现在明白了中文字的ASCII码组合，我们先来做最简单的“区位”输入法。区位输入的码表纯粹是ASCII的

顺序排列。所以我们只要将区位前两位数+，后两位数也+。再将两个数加起来。例如：

QW =

ZWF = QW \ + '区位前两位数+

ZWB = QW MOD + '后两位数+

A$ = CHR$(ZWF) + CHR$(ZWB) '两个数加起来形成区位表码对应的字符

我们看到区位输入法的实现就是如此鸡毛蒜皮的事件。现在我们再来实现“拼音”输入法。如果大家执行以下

代码：

FOR F = TO

FOR B= TO

PRINT CHR$(F) + CHR$(B) ;

NEXT B

NEXT F

稍认真看看规律就不难发现它的ASCII码值是按拼音来排列的。除了声调，拼音的重码是非常多的。这样我们就无须每

个字都作拼音码表检索。反之是用拼音来检索所有重码的字就更简单了。如：输入“wo”，即从（，）开始就

是拼音“wo”所有重码的字符。其它也依次类推。“拼音”输入法虽然没区位简单，但也是不难实现的。用上述的方法

来实现“拼音”输入是最简捷的方法，但存在一个缺点：就是它只能输入日常常用的字，即只是从到之间，算一算

大概有个常用字。还有多个不常用字的排序方法与之不同，后多字是以笔画方式排序的。如果要想实现

一个完整的，就是能输入所有常用及不常用汉字的“拼音”输入法，那么就要专门建立一个“拼音”输入码表检索文件。

在这里就不多谈了。如果有兴趣自己试试。。。。

简单的“拼音”输入法我们都实现了，但“拼音”的输入速度就以它的重码有着莫大的关系。所以我们现在来实现

最常用的、效率高、重码率低、一个我们中国人“王永民”先生设计的输入法“五笔”输入法。这个不用说了，会打

字的一般都认识“五笔”。打五笔我们就打得多了，但“五笔”输入法是如何实现呢？不清楚的QB朋友不用抓头皮，

看下去你就会理直气壮的说：“原来就这么简单！！！”

“五笔”不同于以上“拼音”与“区位”输入法，它在ASCII码表里是没有一个排列规律的，ASCII码这个国际通

用的码表排列，我们是不能随便就更改。既然更改ASCII码表的排列是不可能的事情，我们只好自己做个“五笔”编

码专用的码表好了！！。请看以下源代码程序：

WBX$ = " ggtt=五笔 lwty=输入 ifc=法 yijg=就是 vftc=那么 tuuj=简单 "

WBX$ = WBX$ + " q=我 bn=也 go=来 yaya=试试 rhf=看 drgo=原来 r=的 pugm=实现 " '定义一个基本的码表

CLS

PRINT WBX$

PRINT "请你输入:"

PRINT "原来五笔输入法的实现就是那么的简单我也来试试看"

LOCATE , 5

RecInputChr$ = " " '初始化显示编码及定义光标位置

PRINT "五笔编码: "

IK$ = INKEY$ '读入键盘的ASCII码值

IF IK$ = CHR$() THEN EXIT DO '按ESC键退出

IF IK$ = CHR$() THEN '按Enter键重置编码

InputChr$ = ""

ELSEIF IK$ = CHR$(8) THEN '按BackSpace键后退

IF InputChr$ <> "" THEN InputChr$ = LEFT$(InputChr$, LEN(InputChr$) - 1)

ELSEIF IK$ <> "" AND IK$ <> CHR$() THEN '如果键入的不是空格键而且键盘有键按下时编码字符被键入新编码

InputChr$ = InputChr$ + IK$

END IF

IF IK$ = CHR$() OR LEN(InputChr$) = 4 THEN '如果按了空格键或够4码即执行码表检索

II$ = " " + RTRIM$(InputChr$) + "="

ST = INSTR(1, WBX$, II$)

IF ST > 0 THEN

ST = ST + LEN(InputChr$) + 2

EN = INSTR(ST, WBX$, " ")

IF EN = 0 THEN EN = LEN(WBX$)

ZW$ = MID$(WBX$, ST, EN - ST) '检索到的编码字符

TXT$ = TXT$ + ZW$ '输入栏字符被输入编码的汉字

LOCATE 6, 1: PRINT TXT$ '显示输入的内容

END IF

InputChr$ = "" '编码字符被重置

END IF

IF InputChr$ <> RecInputChr$ THEN '如果当前编码与上次编码有改变即刷新

LOCATE ,

PRINT InputChr$ + " " '显示编码字符

LOCATE 6, LEN(TXT$) + 1, 1 '定义输入栏光标位置

RecInputChr$ = InputChr$ '给上次编码赋最新编码内容值

END IF

LOOP

Unity3d FootIK写一个最简单的IK（1）

前言：

历经无数次尝试与调整，终于找到了在Unity环境中实现FootIK的基本方法。整个过程虽然充满了挑战，但学习到的知识与技巧却让我感到收获满满。

预备设置：

为了使用Unity内部的IK系统，我们需要进行以下步骤的设置。

1. 为FBX模型设置Humanoid Avatar，确保在Avatar设置界面中正确绑定骨骼。

2. 创建并配置AnimatorController，激活特定层级的IK Pass功能。

3. 编写脚本，声明OnAnimatorIK方法，用于处理IK解算。

创建FootIK脚本：

1. 定义脚本中的变量，这些变量将用于后续算法的执行。

2. 在FixedUpdate函数中获取骨骼信息，计算IK位置。

3. 编写AdjustFeetTarget方法，获取脚部Transform的位置，并进行调整以避免模型穿模。

4. 实现FootPositionSolver方法，使用Raycast检测地面位置，计算旋转角度。

动画曲线设置：

在动画中，脚部抬离地面时，需通过动画曲线调整IK目标的权重。通过在FBX Inspector中配置动画曲线，根据动画片段的不同阶段，设置合适的权重值，以实现脚部自然抬起与落地的效果。确保在Animator面板中正确添加Float参数，以便在播放动画时动态调整。

实践与原理：

1. 整理脚本并将其应用到角色GameObject上，激活IK功能，通过设置目标层级，使角色能够在阶梯上自然行走。

2. 讲解算法原理与流程，包括使用简单射线检测计算IK位置，以及在OnAnimatorIK方法中，通过动画曲线动态调整权重，影响骨骼位置。

揭秘Unity IK本质：

深入理解MoveFeetToIkPoint方法的工作原理，包括transform坐标变换、Animator的Getter与Setter机制。发现IK Goal实际上包含了与地面的偏移信息，并通过yVar变量进行动态调整，确保角色脚部贴合地面，防止穿模。了解Unity内部动画计算流程与IK应用顺序，揭示了为何增量赋值能有效控制角色行走。

小结：

通过解析Unity内置的IK系统，对功能插件的原理有了更深入的理解。展望未来，希望能够探索更多高级的IK实现方法，如Final IK与AnimationRigging，进一步提升角色动画效果。同时，源代码的分享将为社区开发者提供参考与灵感，促进Unity生态的共同进步。

elasticsearch ç¨ä»ä¹è¯è¨å¼å

Elasticsearchä¹ä½¿ç¨Javaå¼åå¹¶ä½¿ç¨Luceneä½ä¸ºå¶æ ¸å¿æ¥å®ç°ææç´¢å¼åæç´¢çåè½ï¼ä½æ¯å®çç®çæ¯éè¿ç®åçRESTful APIæ¥éèLuceneçå¤ææ§ï¼ä»èè®©å¨ææç´¢åå¾ç®åã

关注更多相关资讯请点击《综合》专栏

上一条：智能报表源码_智能报表源码怎么用
下一条：kms 激活源码_kms激活源码官方网站

【网页游戏透视源码】【点呗红包源码】【工具类app源码】ik源码分析

相关文章