《Java 100 天进阶之路》第44篇:jd-gui反编译class文件:中文乱码破解与反编译实战指南(2026版)

印度CUET统一入学考试大学录取分数线数据集2024至2026 本数据集来自Kaggle开放平台,收录印度大学通过CUET统一入学考试招生发布的2024、2025、2026三个学年全部专业录取分数线,每条数据均注明来源官方文件与页码。共84210条分数线记录(学院、专业、轮次、类别、席位类型),覆盖43所大学的742个专业;另含244所大学6259个专业的CUET科目要求、1587份官方来源文件、德里大学67所学院2026年第一轮录取难度排名、古尔冈IPU大学46所学院排名等6个CSV文件。适合高等教育研究、录取数据分析、跨境升学研究与数据可视化练习。采用CC BY 4.0许可,含数据字典与来源说明。 立即下载

🔍第44篇:jd-gui反编译class文件,解决中文乱码问题

📌 系列导航:《Java 100 天进阶之路》完整目录 |
⬅️ 上一篇:第43篇:Java字节码,javap命令,解读字节码清单
➡️ 下一篇:基础篇终极总结:44篇通关!一张图+三张表,把全部知识点装进脑子


一、核心知识点

  • jd-gui 工具的作用:图形化反编译 .class 文件为 Java 源代码
  • 中文乱码原因:jd-gui 默认系统编码(如 Windows GBK)与 class 文件中的 UTF-8 字符串不匹配
  • 乱码解决方案:修改配置文件、命令行指定编码、使用替代工具
  • 反编译的局限性:丢失泛型、局部变量名、注释;混淆代码难以反编译
  • 其他反编译工具对比:CFR、Procyon、Luyten、Bytecode Viewer、IDEA 内置 FernFlower
  • 防止反编译的基本手段:混淆器(ProGuard、Allatori)
  • 字节码层面延伸:-g 参数与 LocalVariableTable 的关系、编译期常量优化

二、通俗讲解(1分钟开心学)

1. jd-gui 是什么?

jd-gui 是一个开源的 Java 反编译工具,可以将 .class 文件(字节码)还原成近似原始的 .java 代码。当你没有源码(比如第三方库)又想看实现逻辑时,可以用它。

生活类比:
反编译就像根据乐谱(字节码)还原出作曲家原始手稿(源码),但手稿上的一些铅笔标记(变量名、注释)已经模糊不清了。

字节反编译

2. 为什么有中文乱码?

jd-gui 早期版本默认使用系统编码(如 Windows 的 GBK),而 class 文件中的字符串是 UTF-8 编码。中文就会显示成乱码。最新版本(如 1.6.6 以上)已部分修复,但仍可能因环境不同而出现问题。

3. 乱码解决方案

  • 下载最新版 jd-gui(1.6.6+),可能已修复。
  • 修改 jd-gui.cfg 配置文件,添加 jdk.lang.encoding=UTF-8。
  • 命令行启动时指定编码(见下方多系统适配):
    java -Dfile.encoding=UTF-8 -jar jd-gui-1.6.6.jar
    
  • 使用替代工具:IDEA 内置 FernFlower(日常开发首选)、Luyten(基于 Procyon)、Bytecode Viewer、CFR(命令行优先推荐)。

4. 反编译的局限性

  • 泛型信息擦除,反编译后可能变成 Object。
  • 局部变量名被替换为 var1、var2 等。
  • 注释完全丢失。
  • 经过混淆(如 ProGuard)的代码几乎不可读。

三、jd-gui 操作全流程与替代工具对比

3.1 基本操作
  • 下载 jd-gui(官网 java-decompiler.github.io)
  • 双击运行,将 .class 文件或 .jar 包拖入窗口
  • 左侧树形结构浏览类,右侧显示反编译源码
  • 菜单 File → Save All Sources 可保存所有源码
3.2 乱码解决实战

Windows 系统:

创建 start-jdgui.bat:

@echo off
javaw -Dfile.encoding=UTF-8 -jar jd-gui-1.6.6.jar

Mac / Linux 系统:

终端启动命令:

java -Dfile.encoding=UTF-8 -jar jd-gui-1.6.6.jar

或创建 start-jdgui.sh:

#!/bin/bash
java -Dfile.encoding=UTF-8 -jar jd-gui-1.6.6.jar
3.3 IDEA 内置 FernFlower(日常开发首选)

IntelliJ IDEA 自带 FernFlower 反编译引擎,无需安装任何插件,无中文乱码问题。

使用方式:

  1. 在 IDEA 中打开项目依赖的 jar 包,点击任意 .class 文件
  2. IDEA 会自动反编译并显示源码(若未关联源码包)
  3. 可通过 File → Settings → Build, Execution, Deployment → Compiler → Java Decompiler 调整反编译设置

优势:无缝集成、无乱码、支持 Java 8+ 语法(lambda、switch 表达式等),适合日常开发查看第三方库源码。

3.4 替代工具对比
工具特点适用场景
jd-gui图形化,简单易用快速查看单个 class
IDEA FernFlower内置集成,无乱码日常开发首选
CFR命令行,支持 Java 8+ 语法(lambda、switch 表达式)批量反编译、高版本 Java
Procyon对泛型、枚举处理较好对泛型反编译质量要求高
Luyten基于 Procyon 的图形化版本图形化 + 高质量反编译
Bytecode Viewer集成多种反编译引擎,可切换需要对比不同引擎结果

CFR 常用命令:

# 基础反编译
java -jar cfr.jar ChineseDemo.class

# 指定输出目录(批量反编译 jar)
java -jar cfr.jar myapp.jar --outputdir ./src

# 保留变量名(反编译时保留原始变量名)
java -jar cfr.jar ChineseDemo.class --renamedupmembers false

# 指定编码(避免乱码)
java -Dfile.encoding=UTF-8 -jar cfr.jar ChineseDemo.class

四、实操代码案例 + 场景说明

1. 准备一个带中文的类:

// ChineseDemo.java
public class ChineseDemo {
    public static void main(String[] args) {
        System.out.println("你好,世界!");
        String 姓名 = "张三";
        System.out.println(姓名);
    }
}

2. 编译并测试乱码:

javac -encoding UTF-8 ChineseDemo.java

用 jd-gui 打开 ChineseDemo.class,早期版本可能显示乱码。使用上面提供的启动脚本解决。

3. 使用 CFR 反编译(无乱码):

java -jar cfr.jar ChineseDemo.class

输出效果:

public class ChineseDemo {
    public static void main(String[] arrstring) {
        System.out.println("你好,世界!");
        String string = "张三";
        System.out.println(string);
    }
}

(注意:局部变量名被替换为 arrstring、string)

4. 反编译 JAR 包实战:

# 解压 jar 包或直接反编译
java -jar cfr.jar my-library.jar --outputdir ./decompiled

五、避坑要点(高频踩坑汇总)

错误/误区后果正确做法
认为反编译能 100% 恢复源码丢失信息,无法直接编译仅供学习参考
依赖反编译进行调试可能被混淆误导尽量获取真实源码或使用调试符号
反编译商业软件可能侵权遵守软件许可,仅用于合法学习
jd-gui 无法打开高版本 Java 的 class解析错误使用支持高版本的 CFR 或 Procyon,或 IDEA FernFlower
忽视乱码问题中文显示为乱码,无法阅读设置 -Dfile.encoding=UTF-8 或用其他工具
混淆后的代码反编译后仍不可读浪费时间结合字符串解密、动态调试分析
编译时未加 -g 参数反编译后局部变量名全部变为 var1、var2需要调试信息时,编译加 -g
依赖 IDEA FernFlower 反编译时忽略日常查看第三方库不够高效学会 IDEA FernFlower 使用,作为日常开发默认方案

六、面试高频考点(附详细答案)

Q1:反编译的原理是什么?

解析 .class 文件的字节码结构,根据 JVM 规范将指令序列还原成 Java 语法树。由于丢失了局部变量名、泛型参数、注释等信息,无法完全恢复。

Q2:有哪些常见的 Java 反编译工具?

jd-gui、IDEA FernFlower(日常首选)、Luyten(基于 Procyon)、CFR、FernFlower(IntelliJ IDEA 内置)。CFR 对 Java 8+ 语法支持较好,Procyon 对泛型处理优秀。

Q3:如何防止自己的代码被反编译?

使用混淆器(ProGuard、Allatori、Zelix KlassMaster)增加阅读难度;将核心逻辑放在服务端;使用 native 方法(JNI)加密关键部分。

Q4:为什么反编译后的代码变量名变成 var1、var2?

编译时如果没有加上 -g 参数(生成调试信息),局部变量名不会被保留在 class 文件中。反编译工具只能使用临时名称。即使加了 -g,仍可通过混淆工具去掉变量名。

Q5:jd-gui 中文乱码的根本原因和解决方法?

根本原因是 jd-gui 默认使用系统编码(如 GBK),而 class 文件中字符串是 UTF-8。解决方法:① 下载最新版;② 启动脚本添加 -Dfile.encoding=UTF-8;③ 修改配置文件;④ 换用 CFR 等命令行工具或 IDEA FernFlower。

Q6:如何反编译一个完整的 JAR 包并保存为 Java 源文件?

使用 CFR:java -jar cfr.jar app.jar --outputdir ./src。jd-gui 也可通过 File → Save All Sources 保存。

Q7:反编译工具与 javap 命令的区别?(专栏联动)

javap 输出的是字节码指令(如 aload_0、invokevirtual),用于分析 JVM 执行细节;反编译工具输出的是近似 Java 源码,用于理解业务逻辑。两者配合使用:想看底层执行流程用 javap -c,想快速看懂第三方库逻辑用反编译工具。

七、练习题(附参考答案)

  1. 动手:下载 jd-gui 或 CFR,反编译一个简单的 HelloWorld.class,对比源码差异。

    💡 提示:编译时不加 -g 参数,反编译后观察变量名变化。

  2. 排查:如果你的 jd-gui 显示中文乱码,尝试至少两种方法解决并记录。

    💡 方案一:启动时加 -Dfile.encoding=UTF-8;方案二:换用 IDEA FernFlower。

  3. 分析:为什么混淆后的代码反编译后仍然难以阅读?结合 ProGuard 原理说明。

    💡 思路:ProGuard 会重命名类名/方法名/变量名为短名称(如 a、b、c),移除调试信息,内联短方法,使得反编译结果完全不可读。

  4. 实战:找一个开源 JAR 包(如 Guava),用 CFR 反编译并查看源码结构。

    💡 命令示例:java -jar cfr.jar guava-xxx.jar --outputdir ./guava-src

  5. 思考:反编译工具是否能够完全恢复 Lambda 表达式?为什么?

    💡 思路:不能完全恢复。Lambda 表达式编译后会被转换为 invokedynamic 指令,生成匿名内部类或方法句柄,反编译工具只能还原为近似代码,无法恢复原始的 Lambda 语法糖写法。


📊 你的学习进度

💡 本专栏每篇都包含:避坑表 + 面试高频考点 + 练习题。每天30分钟,100天拿offer!


🎯 基础篇技术内容已完结,但学习还在继续

恭喜你完成了基础篇全部44篇技术文章的学习!从Java跨平台原理到字节码反编译,你已经打下了扎实的Java功底。

接下来强烈建议你阅读:

👉 《44篇通关!Java基础篇终极总结:一张图+三张表,把全部知识点装进脑子》
—— 这是一份浓缩版的复习资料,包含完整学习路线图、知识点速查表、高频面试题汇总、避坑清单,以及进阶篇预告和PDF福利。

读完总结,你将把44篇零散的知识点串联成体系,面试复习效率提升3倍。

再下一步: 进阶篇(64篇)即将开启,涵盖集合源码、并发编程、JavaWeb、Spring核心、SpringBoot、MyBatis、Redis、MySQL、消息队列、分布式架构、微服务、JVM、设计模式、海量数据、手写代码、面试压轴难题全栈技术考点。
👉 订阅专栏,第一时间收到更新!


种一棵树最好的时间是10年前,其次是现在。
👉 点击关注我(第一时间收到进阶篇更新)
📌 除了《Java 100 天进阶之路 | 从入门到上岗就业》系列文章,我也在深挖智能物流实战(出版社WMS、托盘调度、机器学习落地)。如果你对技术在不同领域的实战感兴趣,欢迎点击我的头像,看看专栏《出版社物流WMS智能调度实战》。技术相通,思路可鉴。

高校技术转移办公室人员在开展技术推介时,如何高效生成科技成果展示材料?.docx 科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。 立即下载

相关推荐

产业园区运营负责人如何实现创新资源的高效整合与精准配置?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

产业园区运营负责人如何高效管理企业技术需求并精准对接科技成果?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

基于Spring Boot的宾馆客房管理系统(代码+数据库+LW)

摘 要 随着旅游业与商务出行的蓬勃发展,宾馆行业竞争日趋激烈,传统管理模式中信息更新滞后、流程依赖人工、服务响应缓慢等问题凸显,严重影响运营效率与客户满意度。为此,本文设计并实现基于 Spring Boot 的宾馆客房管理系统,助力宾馆行业数字化转型。 系统采用 B/S 架构与前后端分离模式,前端以 Vue.js 框架构建交互界面,后端依托 Spring Boot 框架开发接口逻辑,搭配 MySQL 数据库实现高效数据存储与查询。系统涵盖房间管理、订单管理、用户管理、财务管理、服务与支持及系统支撑六大核心模块,实现在线预订、房态可视化、快捷入住退房、消费统计、智能客服等功能,满足住客、员工与管理者的多元化需求。 通过信息化手段,系统优化了宾馆服务流程,缩短住客等候时间,减轻员工工作负担,为管理者提供数据决策支持。测试表明,系统运行稳定、操作便捷,有效提升了宾馆运营效率与客户体验,为中小型宾馆信息化建设提供了实用的技术解决方案。 关键词:Spring Boot;宾馆客房管理;B/S 架构;前后端分离;数字化转型

基于时频特征匹配的雷达多体制信号数字下变频自适应方法探究(Matlab代码实现)

内容概要:本文聚焦于“基于时频特征匹配的雷达多体制信号数字下变频自适应方法”的研究,提出一种面向复杂电磁环境下多体制雷达信号的智能识别与自适应处理技术。通过引入时频分析手段对不同调制样式的雷达信号进行特征提取与精确匹配,实现数字下变频关键参数的自动配置,显著提升信号接收系统的适应性、处理精度与抗干扰能力。结合Matlab代码实现,验证了该方法在多信号共存场景下的有效性与鲁棒性,并可能融合改进的灵敏度分析机制以优化系统响应性能。; 适合人群:具备雷达信号处理、数字信号处理等相关专业知识背景,从事电子信息系统、通信工程、雷达系统设计等方向的科研人员、高校研究生及工程技术开发者;熟悉Matlab仿真平台并希望深入理解自适应信号处理算法实现的专业人士。; 使用场景及目标:①应用于复杂电磁环境中多体制雷达信号的并行接收与分离处理;②实现数字下变频过程的智能化与自适应调控,提升接收机对未知信号的快速响应能力;③服务于电子战、频谱监测、智能感知与国防安全等关键领域中的信号识别与处理需求; 阅读建议:建议读者结合所提供的Matlab代码逐模块剖析其实现流程,重点理解短时傅里叶变换(STFT)或Wigner-Ville分布等时频分析工具的应用、特征匹配算法的设计逻辑以及下变频参数自适应调整机制,同时可深入研读文中涉及的改进灵敏度分析方法以增强对系统优化策略的理解。

政府科技管理者在推动科技成果转化过程中,审批工作如何实现智能化支撑?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

科技中介服务机构如何提升技术评估的智能化与专业化水平?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

高校技术转移办公室人员如何实现科技成果的快速识别与价值转化?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

科技中介服务机构如何利用平台提升服务质量与运营效率?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

证件照片 - 证件照排版冲印工具

一键导入证件照,按一寸、二寸等标准尺寸自动排版并填满 5 寸、6 寸或 A4 相纸,所见即所得预览后导出高清 JPG/PNG 或直连打印。 主要功能:导入 JPG 与 PNG 证件照、按标准尺寸自动排版照片、选择一寸与二寸证件照规格、匹配五寸六寸及 A4 相纸、调整照片间距与白色留边、实时预览整张排版相纸、导出高清 JPG 与 PNG 图片、一键调用打印机冲印照片。 适用场景:证件照片是一款面向个人与小微照相馆的桌面工具,解决在文档软件里手工摆放证件照费时、对不齐、尺寸不标准的痛点。用户只需导入一张 JPG 或 PNG 证件照,软件便按一寸、二寸等国家标准自动计算网格、居中填满整张相纸,无需手动测量与拖拽,即可获得可直接冲印的整版照片。 说明:(试用说明)本软件采用试用制:导入照片、调整排版与预览均不限次数,每位用户可先行免费体验导出与打印功能共 3 次;体验次数用尽后,需开通完整版方可继续使用导出与打印。完整版为一次性买断,开通后在本机永久可用。

OxygenXMLEditor-v26.x + keygen

OxygenXMLEditor-v26.x + keygen

完美复现基于自适应虚拟谐波阬的光储VSG并网电流谐波抑制模型(Simulink仿真实现)

内容概要:本文详细阐述了基于自适应虚拟谐波阬的光储VSG并网电流谐波抑制模型,旨在通过Simulink仿真平台有效解决光伏发电与储能系统在并网过程中产生的谐波电流问题。该模型融合虚拟同步发电机(VSG)技术,创新性地引入自适应虚拟谐波阬控制策略,以动态调节谐波阻抗特性,从而显著提升系统对特定次谐波的抑制能力,改善并网电能质量。文档强调该模型已实现“完美复现”,具备高度的可验证性和工程参考价值,适用于高水平学术论文复现与实际工程项目的仿真验证。内容涵盖系统建模、控制算法设计、仿真搭建、动态性能分析及关键参数优化等全过程,突出理论与实践的紧密结合。; 适合人群:具备电力电子、新能源并网、自动控制等相关领域基础知识,熟悉Matlab/Simulink仿真环境,从事电力系统仿真、VSG控制策略研究、电能质量治理方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①开展光储系统并网谐波治理关键技术的研究与方案可行性验证;②支撑高水平科研论文的复现工作,包括模型重建、数据对比与结果分析;③为VSG控制与电能质量协同优化提供可靠的仿真测试平台,服务于新型电力系统中谐波抑制算法的开发与优化。; 阅读建议:建议读者结合提供的Simulink模型文件与文档中的技术要点进行同步操作,重点理解自适应虚拟谐波阬的控制逻辑、参数整定方法及其在VSG系统中的集成方式。应通过调整工况与参数进行多次仿真,观察系统动态响应,深化对自适应控制机制与谐波抑制物理机理的理解,并推荐参考相关文献以拓宽技术视野。

code-1.143.1-1792691472.el8.armv7hl.rpm

code-1.143.1-1792691472.el8.armv7hl

产业园区运营负责人如何实现创新资源的高效联动与精准配置?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

基于粒子群优化模糊PID-模糊PID-传统PID三种控制算法对比仿真

内容概要:本文围绕基于粒子群优化模糊PID、模糊PID与传统PID三种控制算法的对比仿真展开研究,重点利用Simulink构建含中间直流环节的三相电力电子变压器(PET)系统模型,系统评估不同PID控制策略在动态响应、稳态精度和抗干扰能力方面的性能差异。研究不仅深入探讨了智能优化算法在控制器参数整定中的优势,还展示了多个高价值科研仿真案例,包括多VSG独立微网多目标控制、三机并联微网二次控制、光储VSG并网谐波抑制等,充分体现了先进控制理论在现代电力系统中的广泛应用前景。同时,文中整合了涵盖智能优化算法、机器学习、图像处理、路径规划、通信信号处理及电力系统管理等方向的丰富科研资源,为科研工作者提供全面的技术支持与实践参考。; 适合人群:具备自动化、电气工程、控制理论等相关专业背景的研究生、高校教师及工程技术人员,特别适用于正在进行MATLAB/Simulink仿真实践、撰写学术论文或承担科研项目的研究者; 使用场景及目标:①深入理解传统PID到智能优化PID的演进逻辑及其在复杂电力电子系统中的应用效能;②为科研项目中控制算法的选型与性能验证提供仿真依据;③辅助完成学位论文、课程设计或科技竞赛中的建模与实验任务; 阅读建议:建议读者结合公众号“荔枝科研社”及百度网盘提供的共享资源,按照目录体系循序渐进学习,先夯实控制理论基础,再过渡到高级智能算法仿真,注重模型复现与参数调优,最大化提升科研效率与创新能力。

高校技术转移办公室人员如何提升科技成果的市场转化率?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

科技中介服务机构如何降低技术支持服务的操作门槛与服务成本?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

S函数实现BP神经网络PID控制器的Simulink仿真

内容概要:本文详细介绍了利用S函数在Simulink环境中实现BP神经网络PID控制器的仿真方法,通过结合BP神经网络的自学习能力与PID控制的稳定性,构建了一种能够在线调整控制参数的智能控制器。文中阐述了BP神经网络的结构与学习算法,以及如何将其与传统PID控制器相结合,并利用MATLAB/Simulink平台中的S函数功能实现了该复合控制器的建模与仿真。此外,还展示了控制器在特定系统模型上的应用实例,验证了其相较于传统PID控制在响应速度、稳态精度及抗干扰能力方面的优越性能。; 适合人群:具备一定自动控制理论基础和MATLAB/Simulink使用经验的科研人员及工程技术人员。; 使用场景及目标:①研究和开发具有自适应能力的先进PID控制器;②在控制系统课程教学中作为典型案例讲解智能控制算法的应用;③为工业自动化领域提供一种有效的控制策略解决方案; 阅读建议:建议读者结合MATLAB官方文档深入理解S函数的编写规范,并尝试修改示例代码以适应不同的被控对象,从而加深对BP神经网络PID控制原理的理解和掌握。

浮栅晶体管原理深度解析:热电子注入与FN隧穿如何实现1/0存储

本文深入解析了浮栅晶体管的工作原理,重点探讨了热电子注入与FN隧穿机制如何实现1/0存储。作为现代闪存芯片的核心技术,浮栅晶体管通过独特的结构设计实现非易失性存储,文章详细分析了其编程与擦除的物理过程,并对比了两种机制的优缺点,为闪存性能优化提供了理论基础。

weixin_30363285的博客 363
上一篇: 模型预测没人信?用Python构建交互式监控报表,让业务方一目了然(附代码)附完整代码)
下一篇: 字节 Trae 深度测评:把 AI “编织” 进 IDE 的每一行代码
评论
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