灰熊温驯安全，活泼爱玩，参与婚礼非常积极。
趁家中无人将钱取出，然而已经全部发霉腐烂。
声明：本文由入驻搜狐公众平台的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
　　?解决方案就是：
　　不要卸载重装！不要卸载重装！不要卸载重装！重要的方法说三遍。因为卸载重装并不管用，只需要多点击几次登录，之后等到登录一直转圈的时候，基本就可以解决登录的问题了，如果还是不行，那么继续多点击几次，或是等待一段时间，那么就可以登录了。
置顶我，是为了提醒自己，埋头努力时，不忘抬头看看
欢迎举报抄袭、转载、暴力色情及含有欺诈和虚假信息的不良文章。
请先登录再操作
请先登录再操作
微信扫一扫分享至朋友圈
搜狐公众平台官方账号
生活时尚&搭配博主 /生活时尚自媒体 /时尚类书籍作者
搜狐网教育频道官方账号
全球最大华文占星网站-专业研究星座命理及测算服务机构
关心人民生活，心系民族经济；直击百姓痛点，讨论热点事件。
主演：黄晓明/陈乔恩/乔任梁/谢君豪/吕佳容/戚迹
主演：陈晓/陈妍希/张馨予/杨明娜/毛晓彤/孙耀琦
主演：陈键锋/李依晓/张迪/郑亦桐/张明明/何彦霓
主演：尚格?云顿/乔?弗拉尼甘/Bianca Bree
主演：艾斯?库珀/ 查宁?塔图姆/ 乔纳?希尔
baby14岁写真曝光
李冰冰向成龙撒娇争宠
李湘遭闺蜜曝光旧爱
美女模特教老板走秀
曝搬砖男神奇葩择偶观
柳岩被迫成赚钱工具
大屁小P虐心恋
匆匆那年大结局
乔杉遭粉丝骚扰
男闺蜜的尴尬初夜
客服热线：86-10-
客服邮箱：网页设计教程与开发
提供各种常见网页效果
提供各种各样的设计教程
装扮QQ，让QQ变得更酷
设计参考，提高自升水平
学习服务器和操作系统
提供各种素材和工具
收藏学习资料
您现在的位置：&&>>&&>>&&>>&&>>&正文
微信登录失败提示4-100错误代码的解决方法
&　　有时候，我们在登录微信的时候，会被提示：登录失败4-100，那么，遇到微信登录失败，并提示：4-100错误代码的时候，微信用户该怎么解决呢?下面，一起来看一下小编亲测的微信登录失败4-100解决方法吧!
　　微信提示：登录失败4-100的解决方法：
　　首先，你先确认自己还记得微信号和密码吗?不确定的话可以用手机号登陆;
　　然后，在输入密码的下方有&忘记密码?&。
　　第三步，点击&忘记密码?&之后，微信会以短信方式发一个链接给你，打开短信阅读，点击里面的链接。链接后会有提示让你输入新密码，完成后再次输入密码确认。
　　第四步，卸载现在装在你手机里的微信，重新下载最新版本微信，如微信版本5.0.1安装完成后，打开微信登陆，输入手机号，和密码，窗口会显示你在新设备上登陆微信要求填写验证码，根据提示操作。验证码以短信方式发送到你手机上，按照手机上验证码填写，点击登陆，就OK啦。
转载请注明:破洛洛(谢谢合作)
上一篇文章： 下一篇文章：
网友评论：您所在的位置：&>&&>&
微信红包怎么抢到手气最佳？微信随机红包算法分析
时间： 12:39:24 编辑：yipai 来源：(萝卜网) 阅读次
目前，玩微信红包的用户非常多，很多网友都喜欢自己可以抢到手气最佳，金额不在乎，主要是被评为手气最佳的那份荣誉让人很满足。不过，微信红包怎么抢到手气最佳？网友的说法不一，有的：说最后一个抢红包的人会拿到最大金额，有的说：微信红包金额是随机计算，没有任何规律。在今天的微信教程，小编就给大家整理一下网友关于微信随机红包算法分析，给想要抢到手气最佳的网友理理思路、把把脉！微信红包　　微信随机红包算法观点一：　　比如100元，由10个人分，那么平均一个人是10元钱。然后付款后，系统开始分份儿。　　第一份：系统由0～10元之间随机一个数，作为这一份的钱数，设x1。　　第二份：剩下的钱（100-x1），系统由0～（100-x1）/（10-1）随机一个数，作为这份的钱数，设x2　　第n份：剩下的钱（100-x1-x2-。。。-xn），系统由0~（100-x1-x2-。。。-xn-1）/（10-n）随机一个数，作为这个份的钱数，设为xn　　当用户进来拿红包的时候，系统由0～9之间随机一个数，随机到几，就取第几份红包，然后将这个数存到list里。当之后的用户抽到相同的随机数时，则将这个数+1，如遇相同再+1，直至list满，红包发完。　　微信随机红包算法观点二：（由于是微信红包的架构代码，可信度较高）微信红包代码　　以上代码仅供参考，涉及商业计算要用java.math.BigDecimal.　　如果看不明白代码，那几来看直接来看结论吧！　　结论：　　1、先抢后抢拿到的红包大小期望是大致相等的所以，还是建议先下手抢！　　2、后抢的人方差答（依赖前面人抢的多少），波动较大，有较大记录拿到&手气最佳&。　　延伸阅读：　　微信的金额什么时候算？　　答：微信金额是拆的时候实时算出来，不是预先分配的，采用的是纯内存计算，不需要预算空间存储。。　　采取实时计算金额的考虑：预算需要占存储，实时效率很高，预算才效率低。　　实时性：为什么明明抢到红包，点开后发现没有？　　答：2014年的红包一点开就知道金额，分两次操作，先抢到金额，然后再转账。　　2015年的红包的拆和抢是分离的，需要点两次，因此会出现抢到红包了，但点开后告知红包已经被领完的状况。进入到第一个页面不代表抢到，只表示当时红包还有。　　分配：红包里的金额怎么算？为什么出现各个红包金额相差很大？　　答：随机，额度在0.01和剩余平均值*2之间。　　例如：发100块钱，总共10个红包，那么平均值是10块钱一个，那么发出来的红包的额度在0.01元～20元之间波动。　　当前面3个红包总共被领了40块钱时，剩下60块钱，总共7个红包，那么这7个红包的额度在：0.01～（60/7*2）=17.14之间。　　注意：这里的算法是每被抢一个后，剩下的会再次执行上面的这样的算法（Tim老师也觉得上述算法太复杂，不知基于什么样的考虑）。　　这样算下去，会超过最开始的全部金额，因此到了最后面如果不够这么算，那么会采取如下算法：保证剩余用户能拿到最低1分钱即可。　　如果前面的人手气不好，那么后面的余额越多，红包额度也就越多，因此实际概率一样的。　　红包的设计　　答：微信从财付通拉取金额数据郭莱，生成个数/红包类型/金额放到redis集群里，app端将红包ID的请求放入请求队列中，如果发现超过红包的个数，直接返回。根据红包的裸祭处理成功得到令牌请求，则由财付通进行一致性调用，通过像比特币一样，两边保存交易记录，交易后交给第三方服务审计，如果交易过程中出现不一致就强制回归。　　发性处理：红包如何计算被抢完？　　答：cache会抵抗无效请求，将无效的请求过滤掉，实际进入到后台的量不大。cache记录红包个数，原子操作进行个数递减，到0表示被抢光。财付通按照20万笔每秒入账准备，但实际还不到8万每秒。　　通如何保持8w每秒的写入？　　答：多主sharding，水平扩展机器。　　据容量多少？　　答：一个红包只占一条记录，有效期只有几天，因此不需要太多空间。　　询红包分配，压力大不？　　答：抢到红包的人数和红包都在一条cache记录上，没有太大的查询压力。　　一个红包一个队列？　　答：没有队列，一个红包一条数据，数据上有一个计数器字段。　　有没有从数据上证明每个红包的概率是不是均等？　　答：不是绝对均等，就是一个简单的拍脑袋算法。　　拍脑袋算法，会不会出现两个最佳？　　答：会出现金额一样的，但是手气最佳只有一个，先抢到的那个最佳。　　每领一个红包就更新数据么？　　答：每抢到一个红包，就cas更新剩余金额和红包个数。　　红包如何入库入账？　　数据库会累加已经领取的个数与金额，插入一条领取记录。入账则是后台异步操作。　　入帐出错怎么办？比如红包个数没了，但余额还有？　　答：最后会有一个take all操作。另外还有一个对账来保障。　　观点三：　　今年过年我花了120元做了一组实验获取了两个样本。两个样本的大小均为60人。经过对样本的分析，我的结论是：我赞同土豆的第一条结论，也就是获取的钱数有可能符合截尾正态分布；但不赞同土豆的第二条结论 -- 我的两个样本结果显示，后抽取的人未必获得更多的钱。很有可能腾讯在一个钱包上传时就已经用算法将红包分成了给定份数，接下来抽取人去抽取钱包的时候只是按照时间顺序把给定份数的钱包给抽取人罢了。补充一点：假设陈鹏先生的算法是正确的（亦即此算法确实是微信红包的算法），那么先抽取者与后抽取者获得红包大小的期望值是相同的，但是标准差不同。根据个人的风险偏好的结构（risk preference structure）不同，风险回避（risk-averse）的抽取者应该尽量先抽，而风险偏爱（risk-seeking）的抽取者应该尽量后抽。　　【陈鹏先生的算法是否可信以及整体到底符合何种分布都有待于更多的样本进行检验。目前我没有找到反例】　　以下为验证部分。　　首先，我来讨论一下为什么要采用截尾正态分布。首先介绍一种更加直接的方法（我有一些朋友也这样猜测）：如果我有50元，要发给25人。那么我用连续均匀分布随机产生24个位于0到50之间的数字。这24个数字将整个0-50的区间划分为25份，分别分给这25个人。但事实并不是这样的。学过序列统计的人应该知道，由于这24个点是连续均匀分布产生的，因此他们的序列统计量也是连续均匀分布产生的，因此他们之间的间隔的分布是指数分布的。具体证明从略，可参照John Rice 2007。　　若是没有序列统计的背景，我们也可以跑一个模拟。我有60元钱，按照上述数据产生机理随机分成60份（因此人均1元左右），然后如是操作10000次，对数据采取聚集后的归一化处理。由于中心极限定理（Central Limit Theorem），该分布反应整体分布（Population Distribution）。画出柱形图如下：可见是符合指数分布的。　　这种产生机理不好的地方在于：大多数人得到的钱非常少，而极少数人得到的钱却非常多，因此可能有一个公平性的问题，而这可能会对抽取人的积极性产生影响。截尾正态分布能够更好地避免这样的问题，因为更多人的红包大小会聚集在平均值附近，而且由于尾部更快的衰减，因此获得特别大的红包的概率也会相应减小，有助于增加公平性与参与的积极性。这一点佐证了土豆的观点，尽管具体截尾的方位可能需要获取更多的数据才有可能有一个准确的预测。　　以下是我的两个样本的柱形图：柱形图柱形图　　大家可以比照我的柱形图与上面指数分布柱形图。注意到：　　1.更多的人获得的红包在均值附近；　　2.获取大于2.5元的红包的概率几乎为零（事实上，第一个钱包的最高值是2.06，第二个钱包的最高值是2.10。然而假设是指数分布的（或者说均匀连续分布的数据产生机理），那么在每个60元红包中都会有一定量的抽取者抽到大于3甚至大于4元的红包--这点我通过模拟也确认了。　　我进一步对正态假设做了检验，如下为样本1，样本2的分位数图（Q-Q Plot）数据图数据图　　如果完全符合正态分布，那么所有点应该都大致在对角线附近。事实并非完全如此。可见两个样本在一定程度符合正态分布假设，但在两头有一定的异常值。原因有二，一者样本偏小，大数定理不能完全进来，容易有异常值。二者样本是截尾正态分布，所以图和完全正态分布可能有出入。　　接下去我讨论一下获取钱包大小和抢钱包先后的关系。我的结论是，红包大小和抢红包先后没有统计意义上的关联。　　如下是我的两个样本的红包大小数量，我把他们按照时间顺序进行了排序，因此越靠右的人代表越后抢红包的人。数据图数据图　　如图可见，其实先抢钱包还是后抢钱包对钱包大小的影响未必有很大的影响。事实上，我的两个样本中，抢到的钱数甚至是随着时间推移逐渐减少的，尽管减少的量非常非常小。因此楼上土豆举的例子中向上走的趋势可能是样本特性，不具有普适性。当然了，我也只有两个样本，更进一步的结论或许有待于更多人搜集并贡献钱包的数据。　　事实上，如果我们整合第一个结论，腾讯这样的设计是逻辑自洽的。在第一个结论中，我们谈到了截尾分布相比指数分布的优越性在于其公平性。因此，腾讯选择用截尾分布表明了其对公平性的重视。那么，试想这样一个特意选取产生方式更加复杂的截尾分布增加公平性的企业，为什么要让后抢红包的人获得更大的红包呢？这似乎看起来有些自相矛盾。　　综上所述，我的两个主要结论如下：　　1）红包大小服从截尾正态分布，其好处是减少抽取红包大小分布的方差，让更多的人抽取的红包在均值附近，同时仍给一小部分人抽取大红包的机会，总体来说增加了红包抽取人的积极性和游戏的公平性；　　2）抽取红包大小与抽取红包先后无相关性。一种可能的红包产生机制是：当发红包者《准备红包》的时候，程序自动依照截尾分布产生了相应大小，相应个数的红包，然后随机发给抽取红包的人。同样，这样的一个随机过程有助于增加游戏的公平性，也减少了红包抽取人投机操作（亦即譬如故意等钱包半空的时候再抽取）的动机。我在知乎上看到一位朋友谈到她的腾讯工作的朋友确认了红包产生是在《准备红包》时就完成了的，因此也在一定程度上增强了我的这种推测的可信度。　　PS： 我看到知友陈鹏先生贴上了微信的算法。我用陈先生的算法研究了一下抢红包的人抢到红包大小和抢红包先后的关系，想与大家分享一下研究结果。　　陈鹏先生的代码大致意思是这样的：假设有100元钱，分给十个人。那么第一个人获得红包大小怎么计算呢？100/10 = 10元。这是期望值。从0.01到20的区间中（其中20=10乘以2）随机抽取一个数，就是第一个人获得红包的大小。假设第一个人获得了15元，那么剩下的85元平均分给9个人，这九个人平均获得红包大小为9.4元，那么第二个人的红包大小均匀分布于0.01元到18.80元的区间中，依次类推。算法保证最后一个人至少抽到0.01元。　　不难看出，每个人获得的红包大小的期望值仍然是10元。但是分布就不同了，因为之前抽取的人结果的好坏会影响到后抽取的人的结果。假设陈鹏先生贴的算法是可靠的，亦即微信确实用这样的算法来分配红包，我简单模拟了一下第一个抽取的人，第五个抽取的人，以及最后一个抽取的人（第十人）的红包大小的分布如下：数据图数据图　　如图显见，对于第一个抽取红包的人，抽取红包大小服从均匀分布，但越到后面的抽取者抽取红包大小的分布就越不均匀。越到后面的抽取者越有可能抽到小的红包，但也有可能抽到一个数值相当大的红包。理论上讲，加入前九个人运气都很差并都只抽到0.01，最后一个人抽取红包的数额可能接近100。当然，均匀分布下这类情况出现的可能性几乎为零，经过我反复验证，100，000次中都不会出现一次。我同时附上抽取红包的期望值大小以及标准差大小的表格。　　数据图　　简单地说，结论就是：假设陈鹏先生贴的算法是可靠的，那么风险规避（risk-averse）的红包抽取人应该尽量抢先抽取，而风险偏爱（risk-seeking）的红包抽取人应该尽量后抽取（而且越往后似乎标准差增速也越大），因为后抽者取有可能抽到先抽取者不可能抽到的大红包，尽管抽到小红包的概率也会相应增大。Most of the things of this world are about trade-off， and there is just no such thing as a free lunch.　　最后附上我发的两个红包所获取的原始数据，这样有兴趣的研究猿可以在我的基础上做进一步调查与研究。祝大家猴年吉祥，万事胜意！　　数据图　　观点四：　　钱包钱数满足截尾正态随机数分布。大致为在截尾正态分布中取随机数，并用其求和数除以总价值，获得修正因子，再用修正因子乘上所有的随机数，得到红包价值。　　这种分布意味着：低于平均值的红包多，但是离平均值不远；高于平均值的红包少，但是远大于平均值的红包偏多。　　图1. 钱包价值与其频率分布直方图及其正态拟合　　但看分布直方图并不能推出它符合正态分布，但是考虑到程序的简洁性和随机数的合理性，这是最合乎情理的一种猜测。　　2. 越是后面的钱包，价值普遍更高　　图2. 钱包序列数与其价值关系曲线　　从图2中的线性拟合红线可以看到，钱包价值的总体变化趋势是在慢慢增大，其变化范围大约是一个绿色虚线上下界划出的&通道&。（曲线可以被围在这么一个正合乎常规的&通道&中，也从侧面反映了规律1的合理性，说明了并不是均匀分布的随机数）　　从另一个平均数的图中也可以看出这一规律。　　图3. 平均数随序列数的变化曲线　　在样本中，1000价值的钱包被分成100份，均值为10。然而在图3中我们可以看到在最后一个钱包之前，平均数一直低于10，这就说明了一开始的钱包价值偏低，一直被后期的钱包价值拉着往上走，后期的钱包价值更高。　　3. 当然平均数的图还可以透露出另一个规律，那就是最后的那一个人往往容易走运抽得比较多。因为最后那一个人是钱包剩下多少就拿多少的，而之前所有人的平均数都低于10，所以至少保证了最后一个人会高于平均值。在本样本中，98号钱包抽到35，而最后一份钱包抽到46。　　　　综上，根据样本猜测：　　1. 抽到的钱大多数时候跟别人一样少，但一旦一多，就容易多很多。　　2. 越是抽后面的钱包，钱越容易多。　　3. 最后一个人往往容易撞大运。　　观点五：　　在看数据之前，我先说说自己的想法：　　1. 把钱看成连续的，分完以后再修正bug：a）为了使最小单位为0.01，最后结果精确到十分位即可，零头全部倒给最后一个人（或者从最后一个人那里出）b）如果有人说万一出现有人为0或者负数怎么办，这好办，一开始先给每人分配0.01作为&底钱&就好了。　　2. @马景铖的猜想是基于调查数据的，这点我非常赞赏。不过想提出一点意见（不好意思大过年的较真了哈哈）：图2用线性回归做趋势分析是很好的，不过应该给出置信区间或p值等统计显著性指标。图3其实是有些误导的，因为你做的是一个累计平均，误差近似于，所以如果你把Confidence Band画出来也许会发现并没有显著偏离平均值。　　3. 对于这个问题，大家可能关心两个问题：a）算法怎么实现的？b）先拿好还是后拿好？我认为后一个问题比较好回答，而且顺便想指出的是，即使存在和次序相关的&bug&，也非常容易&修正&：每次生成完分配方案以后把顺序打乱即可。　　现在说说我是怎么分析这个问题的：　　1. 首先同样是采样。我从微信群里抓取了37次分红的结果，为了使样本具有可比性，我只筛选了分红人数为5的样本，数据（一共37行）大概长这样：　　［，1］ ［，2］ ［，3］ ［，4］ ［，5］　　［1，］ 0.26 1.64 1.50 0.51 1.09　　［2，］ 0.16 1.20 1.28 2.03 1.21　　［3，］ 0.03 0.43 0.01 0.51 0.02　　［4，］ 5.39 2.67 1.74 3.27 1.93　　［5，］ 0.31 0.07 0.07 0.33 0.22　　［6，］ 0.44 1.93 1.40 1.72 3.39　　其中每一行是一次分红。例如：抽样的第三个红包总金额为1元，其中第2个人抽到了0.43元。　　2. 然后一个我认为合理的假设（其实可能大家都已经默认了）是：我们的分布是齐次的。　　记每个人分红的联合分布密度函数（joint pdf）为，其中是第个人分到的金额（在我们的数据中），而为总金额。那么齐次指的是：。用通俗的语言说一遍就是：如果你把总金额乘上一个倍数，新的分布和原来的分布是&相似&的。　　3. 有了齐次的假设，我们就可以把采集到的数据归一化（每一行除以它们的和），得到的每一个结果的意义是：每个人分到的钱占总金额的比例。　　4. 箱形图　　数据图　　上图是37个样本的总结（横轴代表第几个人，纵轴是分到的比例）。从这幅图来看看不出啥，不过别急，这张图并不完全适合描述我们这个问题，因为每一个人的分红是相关的。　　4. 直方图　　数据图　　没有评论。　　5. 图上面我没看出啥明显的端倪，数字呢？　　五组的均值：0.....2062385　　另外给出协方差矩阵：　　V1 V2 V3 V4 V5　　V1 0. -0.. -0. -0.　　V2 -0. 0. -0. -0. -0.　　V3 0. -0.. -0. -0.　　V4 -0. -0. -0. 0. -0.　　V5 -0. -0. -0. -0..　　协相关矩阵（以后会用到）：　　V1 V2 V3 V4 V5　　V1 1.....1343338　　V2 -0.....2393172　　V3 0.....2286393　　V4 -0.....2859395　　V5 -0.....0000000　　我们做一个Wald test，看看我们的数据是不是满足零假设（五组的期望均为0.2），略去计算过程，Wald test statistic = 0.0878， p值约为1，说明没有显著证据拒绝零假设。因此回答了问题b）先拿好还是后拿好？&&都一样（从目前数据看来）。　　6. 从经验分布反推模型是一个比较玄的事情，我们可以通过一些检验（正态检验、卡方检验）来从统计学上排除某个分布，但没有人能告诉你哪个分布是&对&的（All models are wrong， but some are useful. -- George E. P. Box）。可能和强迫症有关系，这个截断正态分布在我看来并不是一个漂亮的模型。狄利克雷分布（参见Dirichlet distribution）可能是个更好的选择：它要求这K个随机变量分布在0~1之间，且它们的和为1，这正是我们想要的！进一步想，既然目前没有明显证据支持每个人分到的比例不相同，那就从零假设（相同）出发。对于狄利克雷分布而言，就是所有的a（公式编辑器突然坏了，所以不写tex了，想看的去Wiki上找）都相同，代入到Dirichlet distribution页面中关于期望和方差的公式（K=5）得到E［Xi］=0.2，Var［Xi］=4/［25（5a+1）］，Cor［Xi，Xj］=-0.25。和之前我们看到的数字（均值、方差、协相关）比是不是有一点点像？　　7. 这是拟合的结果，拟合出的系数a（分别）为1.....352875。　　数据图　　我相信，如果有更多的数据，我们可以更有把握（power）地判断a是否有显著区别，或者说，第几个拿最好？　　观点六：　　发n个红包，总金额为￥（n+1）&0.01，那么最后一个必然￥0.02、手气最佳。微信红包微信红包微信红包　　这个算法有bug　　相同的操作在QQ红包上则是第一个0.02，后面的均为0.01，支付宝红包似乎没有这种规律　　观点七：　　从工程角度来说，红包分配算法需要简单粗暴的实现。　　楼上有人的算法过于复杂，第几个人领取都要面面俱到的计算，考虑因素太多，工程实现上真的没必要。　　其实只需要按照如下框架即可：　　1. 发红包时，按照设计的快速随机算法，将红包分好若干份。　　2. 按照设计的评估算法，对得到的红包分配进行校验。　　3. 如果校验不通过，如贫富差距过大，则重复随机分配。　　4. 如果若干次重复，如5次，则停止重复，就按照当前分配。　　5. 再有用户请求红包，直接队列化请求，再从红包序列中取出对应编号红包。　　上述方案的优势是：　　1. 只需&一次&计算。　　随机算法选择简单粗暴的即可，系统按照校验策略对其评价，不满足则有限次重复，直到满足或次数太多为止。　　2. 此后就只有读取。　　后续操作完全是读取缓存，无需密集计算。　　那么是不是还有更简单粗暴的方案呢？还是有的，那就是伪随机序列查表法。　　百万千万级别的红包请求，如果每次都按照真随机来计算，仍然会有不小的计算压力。　　索性预先计算得到若干伪随机分配方案，调用时只需要随机选择一个即可。　　举例来说，有人的红包是10元分配给5人，系统预先存有多种分配方案，如1，1，2，3，3，或1，1，2，2，4，请求时随机选取一个方案即可。　　当然，各种组合未必能穷尽，但是只需要让用户在有限次操作中觉得这是随机就够了。　　观点八：　　100块分10个红包：　　1.产生10个随机数，X＝（x1，x2.。.x10）　　2.求和sum＝x1+x2+.。.+x10　　3.Y＝X*100/sum　　4.取两位小数（微信貌似就到分了）　　5.取Y的前九个值分给前九个人，第十个得到剩下的。
&&1&&nbsp&&
热门关键字