python云盘算有哪些岗位,华为python教程下载

大家好，小编来为大家解答以下问题，华为python语言通用编程规范，python云盘算有哪些岗位，本日让我们一起来看看吧！

Source code download: 本文相关源码
   
     文章目次

   

• 前言
  
• 一、华为云ModelArts-Notebook先容
  
• 
  
  
  
  • 1.华为云ModelArts-Notebook
    
  • 
    
    
    
    • 1.1 Jupyter Notebook是什么
      
    • 1.2 JupyterLab是什么
      
    • 1.3 什么是Moxing
      
    
    
  • 2.Python-Opencv
    
  
  
• 二、本地案例实现Python定制我的《本草纲目女孩》
  
• 
  
  
  
  • 1.案例实现流程
    
  • 2.案例环境摆设
    
  • 
    
    
    
    • 2.1 本机环境
      
    • 2.2 安装对应的anaconda包
      
    • 2.3 安装opencv-python
      
    
    
  • 3.案例实现代码
    
  • 
    
    
    
    • 3.1 导入数据
      
    • 3.2 导入库函数
      
    • 3.3 将视频转化为图像帧
      
    • 3.4 对图片帧进行ASCII码的转换
      
    • 3.5 将转换好的图片帧合成视频
      
    • 3.6 主函数
      
    • 3.7 运行结果
      
    
    
  • 4.案例播放代码
    
  
  
• 三、华为云AI实现Python定制我的《本草纲目女孩》
  
• 
  
  
  
  • 1.基础配置
    
  • 2.导入数据
    
  • 3.安装相关依赖
    
  • 4.导入库函数
    
  • 5.将视频转化为图像帧
    
  • 6.对图片帧进行ASCII码的转换
    
  • 7.将转换好的图片帧合成视频
    
  • 8.运行主函数
    
  • 9.播放视频
    
  
  
• 总结
  

   
  

---

  前言

  近日，《本草纲目》毽子操的视频刷屏网络。公司里更是多了很多刘畊宏女孩，在520到来之际特意奉献这篇文章给大家python自学能乐成吗。假如故意仪的女孩这篇文章可以帮助你哦。
     歌词：抬腿！拍腿！，侧边的肥肉咔咔掉，人鱼线马甲线我都要！刘畊宏的男孩女孩看过来。
    让我们来用Python定制出心仪的“本草纲目女孩”，敲出魔性的代码舞蹈，520，准备美意仪女孩的舞蹈视频，把这份别出心裁的礼品给TA❤️。
  一、华为云ModelArts-Notebook先容

  1.华为云ModelArts-Notebook

  ModelArts集成了基于开源的Jupyter Notebook和JupyterLab，可为您提供在线的交互式开发调试工具。您无需关注安装配置，在ModelArts管理控制台直接使用Notebook，编写和调测模型训练代码，然后基于该代码进行模型的训练。
  此中，ModelArts还提供了华为自研的分布式训练加速框架MoXing，您可以在Notebook中使用MoXing编写训练脚本，让您代码编写更加高效、代码更加简洁。
  1.1 Jupyter Notebook是什么

  Jupyter Notebook是一个可以在浏览器中使用的交互式的盘算应用步伐，该应用步伐的所有可见的内容，以条记本文档表示，包罗盘算的输入和输出、表明文本、数学、图像和对象的富媒体等表示。因此，Jupyter Notebook可以实现将代码、笔墨完美结合起来，非常得当从事机器学习、数据分析等数据科学工作的职员。
  Jupyter Notebook相关文档：Project Jupyter Documentation — Jupyter Documentation 4.1.1 alpha documentation
  1.2 JupyterLab是什么

  JupyterLab是一个交互式的开发环境，是Jupyter Notebook的下一代产品，可以使用它编写Notebook、操纵终端、编辑MarkDown文本、打开交互模式、查看csv文件及图片等功能。
  JupyterLab相关文档：JupyterLab Documentation — JupyterLab 4.1.5 documentation
  1.3 什么是Moxing

  MoXing是华为云ModelArts团队自研的分布式训练加速框架，它构建于开源的深度学习引擎TensorFlow、MXNet、PyTorch、Keras之上。相对于TensorFlow和MXNet原生API而言，MoXing API让模型代码的编写更加简朴，答应用户只需要关心数据输入(input_fn)和模型构建(model_fn)的代码，即可实现任意模型在多GPU和分布式下的高性能运行，低落了TensorFlow和MXNet的使用门槛。别的，MoXing-TensorFlow还将支持自动超参选择和自动模型结构搜索，用户无需关心超参和模型结构，做到模型全自动学习。
  Moxing相关文档：ModelArts-Lab/docs/moxing_api_doc at master · huaweicloud/ModelArts-Lab · GitHub
  2.Python-Opencv

  Python由荷兰数学和盘算机科学研究学会的吉多·范罗苏姆于1990年代初设计，作为一门叫做ABC语言的替代品。Python提供了高效的高级数据结构，还能简朴有用地面向对象编程。Python语法和动态类型，以及表明型语言的本质，使它成为多数平台上写脚本和快速开发应用的编程语言，随着版本的不断更新和语言新功能的添加，逐渐被用于独立的、大型项目的开发。
  Python表明器易于扩展，可以使用C语言或C++（大概其他可以通过C调用的语言）扩展新的功能和数据类型。Python也可用于可定制化软件中的扩展步伐语言。Python丰富的尺度库，提供了实用于各个主要体系平台的源码或机器码。
  OpenCV用C++语言编写，它具有C++，Python，Java和MATLAB接口，并支持Windows，Linux，Android和Mac OS，OpenCV主要倾向于实时视觉应用，并在可用时使用MMX和SSE指令，如今也提供对于C#、Ch、Ruby，GO的支持。
  opencv-python的github网址：opencv-python · PyPI
  OpenCV官网：OpenCV - Open Computer Vision Library
  二、本地案例实现Python定制我的《本草纲目女孩》

  1.案例实现流程

  众所周知，视频是由一帧帧图像构成，Opencv处理惩罚视频图像信息的原理就是将视频转为一帧帧图像，处理惩罚完图像后再转换为视频。
  用Python实现案例流程如下：
  

  2.案例环境摆设

  2.1 本机环境

  

• vs2022
  
• anaconda（已经包罗opencv和PIL）
  
• python
  

  2.2 安装对应的anaconda包

  anaconda这是一个非常常用的python包集成管理工具，此中预安装了很多python库，使得我们不需要去手动安装各种的第三方库，我们知道本身取手动安装的过程中，很轻易就会遇到一些报错，办理起来也非常的贫困。
  anaconda官网：Free Download | Anaconda

下载完软件包一路点击安装就行了，安装乐成后会出现如下界面。

查看是否安装乐成下令：conda --version

  2.3 安装opencv-python

  进入anaconda控制台输入如下下令：

1. pip install opencv-python

复制代码

  3.案例实现代码

  本案例的实现过程主要分为以下几步：

1. 1. 导入数据
2. 2. 导入库函数
3. 3. 将视频转化为图像帧
4. 4. 对图片帧进行ASCII码的转换
5. 5. 将转换好的图片帧合成视频

复制代码

3.1 导入数据

  视频下载地址：https://cnnorth4-modelhub-datasets-obsfs-sfnua.obs.cn-north-4.myhuaweicloud.com/content/35d24c0e-f337-442b-935f-ef8123062d3e/QzNm9F/dataset/test_demo0510.mp4

  3.2 导入库函数

1. #导入Python库
2. import cv2
3. from PIL import Image，ImageFont，ImageDraw
4. import os
5. from cv2 import VideoWriter， VideoWriter_fourcc， imread， resize

复制代码

3.3 将视频转化为图像帧

1. #将视频转换为图片存入目标文件夹
3. def video_to_pic(vp):
4.     number = 0
5.    
6.     # 判断载入的视频是否可以打开
7.     if vp.isOpened():
8.         
9.         #r：布尔型 （True 或者False），代表有没有读取到图片，frame：表示截取到的一帧的图片的数据，是个三维数组
10.         r，frame = vp.read()
11.         
12.         #判断文件夹是否存在，不存在的话则新建文件夹
13.         if not os.path.exists('cache_pic'):
14.             os.mkdir('cache_pic')
15.         os.chdir('cache_pic')
16.         
17.     else:
18.         r = False
19.         
20.     #遍历视频，并将每一帧图片写入文件夹
21.     while r:
22.         number += 1
23.         cv2.imwrite(str(number)+'.jpg'，frame)
24.         r，frame = vp.read()
25.         
26.     print('\n由视频一共生成了{}张图片！'.format(number))
27.    
28.     # 修改当前工作目录至主目录
29.     os.chdir("..")
30.     return number

复制代码

3.4 对图片帧进行ASCII码的转换

1. #将图片进行批量化处理
3. def star_to_char(number， save_pic_path):
4.    
5.     #判断文件夹是否存在，不存在的话则新建文件夹
6.     if not os.path.exists('cache_char'):
7.         os.mkdir('cache_char')
9.     # 生成目标图片文件的路径列表
10.     img_path_list = [save_pic_path + r'/{}.jpg'.format(i) for i in range(1， number + 1)]
11.     task = 0
13.     for image_path in img_path_list:
14.         
15.         # 获取图片的分辨率
16.         img_width， img_height = Image.open(image_path).size
17.         task += 1
19.         #处理图片，并显示处理进程
20.         img_to_char(image_path， img_width， img_height， task)
21.         
22.         print('{}/{} is processed.'.format(task， number))
23.         
24.     print('=======================')
25.     print('All pictures were processed!')
26.     print('=======================')
27.     return 0
29. # 将图片转换为灰度图像后进行ascii_char中的ASCII值输出
30. # 函数输入像素RGBA值，输出对应的字符码。其原理是将字符均匀地分布在整个灰度范围内，像素灰度值落在哪个区间就对应哪个字符码。
32. def get_char(r， g， b， alpha=256):
33.    
34.     #ascii_char就是字符列表，用来将不同灰度的像素进行不同字符体替换的参照。
35.     ascii_char = list("#RMNHQODBWGPZ*@$C&98?32I1>!:-;. ")
36.    
37.     #alpha在为0的时候便是完全透明的图片，所以返回空
38.     if alpha == 0:
39.         return ''
40.    
41.     length = len(ascii_char)
42.    
43.     #转为灰度图
44.     #RGBA是代表Red(红色)、Green(绿色)、Blue(蓝色)和Alpha的色彩空间，Alpha通道一般用作不透明度参数
45.     #如果一个像素的alpha通道数值为0%，那它就是完全透明的，而数值为100%则意味着一个完全不透明的像素
46.    
47.     gray = int(0.2126 * r + 0.7152 * g + 0.0722 * b)
48.     # unit = (256.0 + 1) / len(ascii_char)
49.     unit = 256 / len(ascii_char)
50.     return ascii_char[int(gray / unit)]
53. def img_to_char(image_path， raw_width， raw_height， task):
54.     width = int(raw_width / 6)
55.     height = int(raw_height / 15)
57.     # 以RGB模式打开
58.     im = Image.open(image_path).convert('RGB')
59.     im = im.resize((width， height)， Image.NEAREST)
61.     txt = ''
62.     color = []
63.    
64.     #遍历图片的每个像素
65.     for i in range(height):
66.         for j in range(width):
67.             pixel = im.getpixel((j， i))
69.             # 将颜色加入进行索引
70.             color.append((pixel[0]， pixel[1]， pixel[2]))
71.             if len(pixel) == 4:
72.                 txt += get_char(pixel[0]， pixel[1]， pixel[2]， pixel[3])
73.             else:
74.                 txt += get_char(pixel[0]， pixel[1]， pixel[2])
75.         txt += '\n'
76.         color.append((255， 255， 255))
78.     im_txt = Image.new("RGB"， (raw_width， raw_height)， (255， 255， 255))
79.     dr = ImageDraw.Draw(im_txt)
80.     font = ImageFont.load_default().font
81.     x， y = 0， 0
82.     font_w， font_h = font.getsize(txt[1])
83.     font_h *= 1.37  # 调整字体大小
84.     for i in range(len(txt)):
85.         if (txt[i] == '\n'):
86.             x += font_h
87.             y = -font_w
88.         dr.text((y， x)， txt[i]， fill=color[i])
89.         y += font_w
90.         
91.     #存储处理后的图片至文件夹
92.     os.chdir('cache_char')
93.     im_txt.save(str(task) + '.jpg')
95.     #直接进入新创建的文件夹将生成的图片直接存入文件夹中
96.     os.chdir("..")
97.     return 0

复制代码

3.5 将转换好的图片帧合成视频

1. # 进度条显示
2. def process_bar(percent， start_str=''， end_str=''， total_length=0):
3.     bar = ''.join("■ " * int(percent * total_length)) + ''
4.     bar = '\r' + start_str + bar.ljust(total_length) + ' {:0>4.1f}%|'.format(percent * 100) + end_str
5.     print(bar， end=''， flush=True)
7. #图片帧合成视频
9. def jpg_to_video(char_image_path， FPS):
10.    
11.     # 设置视频编码器，这里使用MP42编码器
12.     video_fourcc = VideoWriter_fourcc(*"MP42")
14.     # 生成目标字符图片文件的路径列表
15.     char_img_path_list = [char_image_path + r'/{}.jpg'.format(i) for i in range(1， number + 1)]
17.     # 获取图片的分辨率
18.     char_img_test = Image.open(char_img_path_list[1]).size
19.     if not os.path.exists('video'):
20.         os.mkdir('video')
21.     video_writter = VideoWriter('video/output.avi'， video_fourcc， FPS， char_img_test)
22.     sum = len(char_img_path_list)
23.     count = 0
24.     for image_path in char_img_path_list:
25.         img = cv2.imread(image_path)
26.         video_writter.write(img)
27.         end_str = '100%'
28.         count = count + 1
29.         process_bar(count / sum， start_str=''， end_str=end_str， total_length=15)
31.     video_writter.release()
32.     print('\n')
33.     print('=======================')
34.     print('The video is finished!')
35.     print('=======================')

复制代码

3.6 主函数

1. if __name__ == "__main__":
2.     #初始视频路径
3.     video_path = 'test_demo0510.mp4'
5.     #原始视频转为图片的图片保存路径
6.     save_pic_path = 'cache_pic'
8.     #图片经处理后的图片保存路径
9.     save_charpic_path = 'cache_char'
11.     # 读取视频
12.     vp = cv2.VideoCapture(video_path)
14.     # 将视频转换为图片 并进行计数，返回总共生成了多少张图片
15.     number = video_to_pic(vp)
17.     # 计算视频帧数
18.     FPS = vp.get(cv2.CAP_PROP_FPS)
20.     # 将图像进行字符串处理后
21.     star_to_char(number， save_pic_path)
23.     vp.release()
25.     # 将图片合成为视频
26.     jpg_to_video(save_charpic_path， FPS)

复制代码

3.7 运行结果

  运行后一共天生了382张图片，和视频文件，保存在如下文件夹下。

  4.案例播放代码

1. import cv2
2. from IPython.display import clear_output， Image， display
4. def show_video(video_path， show_text):
5.     video = cv2.VideoCapture(video_path)
7.     while True:
8.         try:
9.             clear_output(wait=True)
10.             # 读取视频
11.             ret， frame = video.read()
12.             if not ret:
13.                 break
14.             height， width， _ = frame.shape
15.             cv2.putText(frame， show_text， (0， 100)， cv2.FONT_HERSHEY_TRIPLEX， 3.65， (255， 0， 0)， 2)
16.             frame = cv2.resize(frame， (int(width / 2)， int(height / 2)))
17.             _， ret = cv2.imencode('.jpg'， frame)
18.             
19.             display(Image(data=ret))
20.             
21.         except KeyboardInterrupt:
22.             video.release()
23.             
24. #视频循环播放
25. i=1
26. while i>0:
27.     show_video('video/output.avi'，str(i))
28.     i=i+1

复制代码

  三、华为云AI实现Python定制我的《本草纲目女孩》

  1.基础配置

  "本草纲目"健身操字符串视频操纵实例的案例页面如下：https://developer.huaweicloud.com/develop/aigallery/Notebook/detail?id=c81526e5-cc88-497f-8a21-41a5632e014e
  

  点击Run in ModelArts，进入JupyterLab页面。
  

  配置当前运行环境，切换规格，并选择免费的就好了。

  2.导入数据

  选择下方代码，点击运行。

  运行完成后如下：

  3.安装相关依赖

  选择下方代码，点击运行安装opencv包

1. pip install opencv_python

复制代码

  4.导入库函数

1. #导入Python库
2. import cv2
3. from PIL import Image，ImageFont，ImageDraw
4. import os
5. from cv2 import VideoWriter， VideoWriter_fourcc， imread， resize

复制代码

  5.将视频转化为图像帧

1. #将视频转换为图片存入目标文件夹
3. def video_to_pic(vp):
4.     number = 0
5.    
6.     # 判断载入的视频是否可以打开
7.     if vp.isOpened():
8.         
9.         #r：布尔型 （True 或者False），代表有没有读取到图片，frame：表示截取到的一帧的图片的数据，是个三维数组
10.         r，frame = vp.read()
11.         
12.         #判断文件夹是否存在，不存在的话则新建文件夹
13.         if not os.path.exists('cache_pic'):
14.             os.mkdir('cache_pic')
15.         os.chdir('cache_pic')
16.         
17.     else:
18.         r = False
19.         
20.     #遍历视频，并将每一帧图片写入文件夹
21.     while r:
22.         number += 1
23.         cv2.imwrite(str(number)+'.jpg'，frame)
24.         r，frame = vp.read()
25.         
26.     print('\n由视频一共生成了{}张图片！'.format(number))
27.    
28.     # 修改当前工作目录至主目录
29.     os.chdir("..")
30.     return number

复制代码

  6.对图片帧进行ASCII码的转换

1. #将图片进行批量化处理
3. def star_to_char(number， save_pic_path):
4.    
5.     #判断文件夹是否存在，不存在的话则新建文件夹
6.     if not os.path.exists('cache_char'):
7.         os.mkdir('cache_char')
9.     # 生成目标图片文件的路径列表
10.     img_path_list = [save_pic_path + r'/{}.jpg'.format(i) for i in range(1， number + 1)]
11.     task = 0
13.     for image_path in img_path_list:
14.         
15.         # 获取图片的分辨率
16.         img_width， img_height = Image.open(image_path).size
17.         task += 1
19.         #处理图片，并显示处理进程
20.         img_to_char(image_path， img_width， img_height， task)
21.         
22.         print('{}/{} is processed.'.format(task， number))
23.         
24.     print('=======================')
25.     print('All pictures were processed!')
26.     print('=======================')
27.     return 0
29. # 将图片转换为灰度图像后进行ascii_char中的ASCII值输出
30. # 函数输入像素RGBA值，输出对应的字符码。其原理是将字符均匀地分布在整个灰度范围内，像素灰度值落在哪个区间就对应哪个字符码。
32. def get_char(r， g， b， alpha=256):
33.    
34.     #ascii_char就是字符列表，用来将不同灰度的像素进行不同字符体替换的参照。
35.     ascii_char = list("#RMNHQODBWGPZ*@$C&98?32I1>!:-;. ")
36.    
37.     #alpha在为0的时候便是完全透明的图片，所以返回空
38.     if alpha == 0:
39.         return ''
40.    
41.     length = len(ascii_char)
42.    
43.     #转为灰度图
44.     #RGBA是代表Red(红色)、Green(绿色)、Blue(蓝色)和Alpha的色彩空间，Alpha通道一般用作不透明度参数
45.     #如果一个像素的alpha通道数值为0%，那它就是完全透明的，而数值为100%则意味着一个完全不透明的像素
46.    
47.     gray = int(0.2126 * r + 0.7152 * g + 0.0722 * b)
48.     # unit = (256.0 + 1) / len(ascii_char)
49.     unit = 256 / len(ascii_char)
50.     return ascii_char[int(gray / unit)]
53. def img_to_char(image_path， raw_width， raw_height， task):
54.     width = int(raw_width / 6)
55.     height = int(raw_height / 15)
57.     # 以RGB模式打开
58.     im = Image.open(image_path).convert('RGB')
59.     im = im.resize((width， height)， Image.NEAREST)
61.     txt = ''
62.     color = []
63.    
64.     #遍历图片的每个像素
65.     for i in range(height):
66.         for j in range(width):
67.             pixel = im.getpixel((j， i))
69.             # 将颜色加入进行索引
70.             color.append((pixel[0]， pixel[1]， pixel[2]))
71.             if len(pixel) == 4:
72.                 txt += get_char(pixel[0]， pixel[1]， pixel[2]， pixel[3])
73.             else:
74.                 txt += get_char(pixel[0]， pixel[1]， pixel[2])
75.         txt += '\n'
76.         color.append((255， 255， 255))
78.     im_txt = Image.new("RGB"， (raw_width， raw_height)， (255， 255， 255))
79.     dr = ImageDraw.Draw(im_txt)
80.     font = ImageFont.load_default().font
81.     x， y = 0， 0
82.     font_w， font_h = font.getsize(txt[1])
83.     font_h *= 1.37  # 调整字体大小
84.     for i in range(len(txt)):
85.         if (txt[i] == '\n'):
86.             x += font_h
87.             y = -font_w
88.         dr.text((y， x)， txt[i]， fill=color[i])
89.         y += font_w
90.         
91.     #存储处理后的图片至文件夹
92.     os.chdir('cache_char')
93.     im_txt.save(str(task) + '.jpg')
95.     #直接进入新创建的文件夹将生成的图片直接存入文件夹中
96.     os.chdir("..")
97.     return 0

复制代码

  7.将转换好的图片帧合成视频

1. # 进度条显示
2. def process_bar(percent， start_str=''， end_str=''， total_length=0):
3.     bar = ''.join("■ " * int(percent * total_length)) + ''
4.     bar = '\r' + start_str + bar.ljust(total_length) + ' {:0>4.1f}%|'.format(percent * 100) + end_str
5.     print(bar， end=''， flush=True)
7. #图片帧合成视频
9. def jpg_to_video(char_image_path， FPS):
10.    
11.     # 设置视频编码器，这里使用MP42编码器
12.     video_fourcc = VideoWriter_fourcc(*"MP42")
14.     # 生成目标字符图片文件的路径列表
15.     char_img_path_list = [char_image_path + r'/{}.jpg'.format(i) for i in range(1， number + 1)]
17.     # 获取图片的分辨率
18.     char_img_test = Image.open(char_img_path_list[1]).size
19.     if not os.path.exists('video'):
20.         os.mkdir('video')
21.     video_writter = VideoWriter('video/output.avi'， video_fourcc， FPS， char_img_test)
22.     sum = len(char_img_path_list)
23.     count = 0
24.     for image_path in char_img_path_list:
25.         img = cv2.imread(image_path)
26.         video_writter.write(img)
27.         end_str = '100%'
28.         count = count + 1
29.         process_bar(count / sum， start_str=''， end_str=end_str， total_length=15)
31.     video_writter.release()
32.     print('\n')
33.     print('=======================')
34.     print('The video is finished!')
35.     print('=======================')

复制代码

  8.运行主函数

1. if __name__ == "__main__":
2.     #初始视频路径
3.     video_path = 'test_demo0510.mp4'
5.     #原始视频转为图片的图片保存路径
6.     save_pic_path = 'cache_pic'
8.     #图片经处理后的图片保存路径
9.     save_charpic_path = 'cache_char'
11.     # 读取视频
12.     vp = cv2.VideoCapture(video_path)
14.     # 将视频转换为图片 并进行计数，返回总共生成了多少张图片
15.     number = video_to_pic(vp)
17.     # 计算视频帧数
18.     FPS = vp.get(cv2.CAP_PROP_FPS)
20.     # 将图像进行字符串处理后
21.     star_to_char(number， save_pic_path)
23.     vp.release()
25.     # 将图片合成为视频
26.     jpg_to_video(save_charpic_path， FPS)

复制代码

  等待主函数执行完成，后会天生如下三个文件夹：

  9.播放视频

  

  总结

  本文主要先容了本地开发和华为云ModelArts开发两种形式，从开发流程中大家也明确那种形式开发更简朴。
  ModelArts是面向开发者的一站式AI开发平台，为机器学习与深度学习提供海量数据预处理惩罚及半自动化标注、大规模分布式Training、自动化模型天生，及端-边-云模型按需摆设能力，帮助用户快速创建和摆设模型，管理全周期AI工作流。
  华为云ModelArts-Notebook云开发的优势不需要本地进行安装资源包，在ModelArts-Notebook环境就已经集成了这些环境，减少了人为摆设压力，更易于上手、更高性能、一站式服务、支持多种主流框架。
  

---

  本文整理自华为云社区【内容共创】运动第16期。
  查看运动详情：【奖励公示】【内容共创】第16期 五月絮升华，共创好时光！签约华为云小编，还可赢高达500元礼包！-云社区-华为云
  相关任务详情：任务1.用Python定制我的“本草纲目女孩”

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。