DAY 61 MySQL高级SQL语句

news2024/11/26 21:49:26

高级SQL语句（进阶查询）

先准备2个表

一个location表

 use market;
 create table location(Region char(20),Store_Name char(20));
 insert into location values('East','Boston');
 insert into location values('East','New York');
 insert into location values('West','Los Angeles');
 insert into location values('West','Houston');

 一个store_info表：


 create table store_info (Store_Name char (20),Sales int (10) ,Date char(10));
 insert into store_info values('Los Angeles', '1500', '2020-12-05') ;
 insert into store_info values ('Houston', '250', '2020-12-07') ;
 insert into store_info values('Los Angeles', '300', '2020-12-08') ;
 insert into store_info values('Boston', '700', '2020-12-08') ;

 select

select，显示表格中一个或数个字段的所有数据记录

 语法: SELECT "字段" FROM "表名";
 ​
 示例：
 select store_name from store_info;
 select store_name,sales from store_info;

 distinct

distinct，不显示重复的数据记录。

注意：关系型数据库，单次只能对一个字段去重

 ​
 示例：
 select distinct store_name from store_info;    #对商店名称进行去重
 select distinct date from store_info;        #对日期字段进行去重

 where

where，有条件查询

 SELECT "字段" FROM 表名" WHERE "条件";
 ​
 ​
 示例：
 select * from store_info where sales > 1000; #查找销售额大于1000的数据记录
 select store_name from store_info where sales > 1000;  #查找销售额大于1000的商店名称

 and 和 or

and：且。

or：或

 SELECT "字段" FROM "表名" WHERE "条件1"  AND "条件2";
 SELECT "字段" FROM "表名" WHERE "条件1"  OR "条件2";

示例

 #查询销售额大于500且小于1000的数据记录。
 select * from store_info where sales > 500 and sales < 1000 ; 
 ​
 #查询销售额大于200且小于500的记录，或者销售额大于1000的记录。
 select * from store_info where sales > 1000 or (Sales < 500 and Sales > 200); 
 ​
 #查询销售额大于200且小于500的商店名，或者销售额大于1000的商店名。
 select store_name from store_info where sales > 1000 or (Sales < 500 and Sales > 200);

 in

in，显示已知的值的数据记录

 SELECT "字段" FROM "表名" WHERE "字段" IN ('值1'， '值2'， ...);   #in,遍历一个取值列表
 SELECT "字段" FROM "表名" WHERE "字段" NOT IN ('值1'， '值2'， ...);  #not in取反，查询不在这个范围内的值

示例：

 #查询商店名为“Los Angeles”，以及商店名为“Houston”的记录。
 select * from store_info where store_name in ('Los Angeles','Houston');    
 ​
 #查询商店名称不是“Los Angeles”、不是“Houston”的记录。
 select * from store_info WHERE store_name not in ('Los Angeles','Houston');

 between

between，显示两个值范围内的数据记录

 SELECT "字段" FROM "表名" WHERE "字段" BETWEEN '值1' AND '值2';

示例：

 #查询销售额在500~1500之间的数据记录（包含500和1500）
 select * from store_info where sales between 500 and 1500;
 ​
 #查询店铺开业日期在2020-12-06到2020-12-10之间的记录（包含这两个日期）
 select * from store_info where date between '2020-12-06' and '2020-12-10';

 通配符

通配符一般都是跟 like 一起使用的

 %：百分号表示零个、一一个或多个字符
 _：划线表示单个字符

示例：


'A_Z'：所有以'A'起头，另一个任何值的字符，且以'Z'为结尾的字符串。 例如，'ABZ'和'A2Z' 都符合这一一个模式，而'AKKZ'并不符合(因为在A和z之间有两个字符，而不是一个字符)。  ​  'ABC%'：所有以'ABC'起头的字符串。例如，'ABCD' 和'ABCABC' 都符合这个模式。 

​  '%XYZ'：所有以'XYZ' 结尾的字符串。例如，'WXYZ' 和'ZZXYZ' 都符合这个模式。 

​  '%AN%'：所有含有'AN'这 个模式的字符串。例如，'LOS ANGELES'和'SAN FRANCISCO' 都符合这个模式。

​  '_AN%': 所有第二个字母为'A' 和第三个字母为'N' 的字符串。 例如，'SAN FRANCISCO' 符合这个模式，而'Los ANGELES'则不符合这个模式

like

like，匹配一个模式来找出我们要的数据记录

 SELECT "字段" FROM "表名" WHERE "字段" LIKE {模式} ;

示例：

 #查询商店名称包含字符串"os"的记录
 select * from store_info where store_name like '%os%';
 ​
 #查询商店名称以字符串"on"结尾的记录
 select * from store_info where store_name like '%on';
 ​
 #查询商店名称的第二、第三个字符为"os"的记录
 select * from store_info where store_name like '_os%';

 order by

order by，按关键字排序。

注意：

  • 一般对数值字段进行排序。
  • 如果对字符类型的字段进行排序，则会按首字母排序
SELECT "字段" FROM "表名" [WHERE "条件"] ORDER BY "字段" [ASC|DESC] ;
 #ASC是按照升序进行排序的，是默认的排序方式。
 #DESC是按降序方式进行排序。

示例：

#查看store_info表中的所有记录，按销售额进行升序排列。
 select * from store_info order by sales ASC；    #ASC可以不加，默认升序
 ​
 #查看store_info表中的所有记录，按销售额进行倒序排列。
 select * from store_info order by sales desc;
 ​
 #获取销售额最大的那行数据记录。即先按销售额进行倒序排列，之后取第一行记录。
 select * from store_info order by sales desc limit 1;`

 函数

注意：函数名和括号之间不能有空格

数学函数

数学函数作用
abs(x)返回x的绝对值
rand()返回0到1的随机数
mod(x, y)返回x除以y以后的余数
power(x, y)返回x的y次方
round(x)返回离x最近的整数
round(x, y)保留x的y位小数四舍五入后的值
sqrt(x)返回x的平方根
truncate(x, y)返回数字x截断为y位小数的值 #不四舍五入
ceil(x)返回大于或等于x的最小整数
floor(x)返回小于或等于x的最大整数
greatest(x1,x2,...)返回集合中最大的值
least(x1,x2,...)返回集合中最小的值

示例：

 SELECT abs(-1),rand(), mod(5,3) ,power(2,3);
 #返回：1， 0-1之间的随机数，2，8
 ​
 SELECT round(1.89),sqrt(2);
 #返回：2，1.414
 ​
 SELECT round(1.8937,3),truncate (1.235,2);
 #返回：1.894，1.23
 ​
 SELECT ceil(5.2) ,floor(2.1) ,least(1.89,3,6.1,2.1);
 #返回：6，2，1.89

聚合函数

聚合函数含义
avg()返回指定列的平均值
count()返回指定列中非 NULL 值的个数
min()返回指定列的最小值
max()返回指定列的最大值
sum(x)返回指定列的所有值之和

注意：

  • count(列名)：只包括列名那一列的行数，在统计结果的时候，会忽略列值为 NULL 的行。
  • count(*) ：包括了所有的列的行数，在统计结果的时候，不会忽略列值为 NULL

示例1：

 select avg(sales) from store_info;   #求表中销售额字段的平均值
 ​
 select sum(sales) from store_info;   #求表中销售额字段所有值的和

示例2：

 select max(sales) from store_info;    #显示表中销售额字段的最大值
 
 select min(sales) from store_info;    #显示表中销售额字段的最小值

示例3：

 #统计表中store_name字段有多少个非空值
 select count(store_name) from store_info;
 ​
 #统计表中store_name字段有多少个不重复的非空值
 select count(distinct store_name) from store_info;

示例4：比较 count(列名) 和 count(*)

  • count(列名)：会忽略null值的行。
  • count(*) ：会统计所有行
 #先准备一个数据表city
 create table city(name char(20));
 insert into city values('beijing');
 insert into city values('nanjing');
 insert into city values('hangzhou');
 insert into city values();
 insert into city values();
 ​
 #统计name字段有多少个非空值，会忽略字段值为null的行
 select count(name) from city;
 ​
 #统计所有行，不会忽略字段值为null的行。全表扫描。
 select count(*) from city;

 字符串函数

字符串函数作用
trim()返回去除指定格式的值
concat(x,y)将提供的参数 x 和 y 拼接成一个字符串
substr(x,y)获取从字符串 x 中的第 y 个位置开始的字符串，跟substring()函数作用相同
substr(x,y,z)获取从字符串 x 中的第 y 个位置开始长度为 z 的字符串
length(x)返回字符串 x 的长度
replace(x,y,z)将字符串 z 替代字符串 x 中的字符串 y
upper(x)将字符串 x 的所有字母变成大写字母
lower(x)将字符串 x 的所有字母变成小写字母
left(x,y)返回字符串 x 的前 y 个字符
right(x,y)返回字符串 x 的后 y 个字符
repeat(x,y)将字符串 x 重复 y 次
space(x)返回 x 个空格
strcmp(x,y)比较 x 和 y，返回的值可以为-1,0,1
reverse(x)将字符串 x 反转

拼接的两种方法

方法一：concat(x,y)

示例1：

 select concat('zhang','san');  #将字符串"zhang"和"san"拼接在一起
 ​
 select concat('zhang','san','san');   #将3个字符串拼接在一起
 ​
 select concat('zhang',' ','san');   #将字符串"zhang"、空格、"san"拼接在一起

示例2：

 #将location表中，region字段值和store_name字段值拼接在一起。
 select concat(region,store_name) from location;
 ​
 #将location表中，region字段值和store_name字段值拼接在一起，且中间加空格。
 select concat(region,' ',store_name) from location;

方法二：使用 || 符号（5.7之后的版本才支持）

如果sql_mode开启了PIPES_AS_CONCAT（可查看配置文件进行确认），"||"视为字符串的连接操作符而非”或“运算符，和字符串的拼接函数Concat相类似，这和Oracle数据库使用方法一样的

 #将location表中，region字段值和store_name字段值拼接在一起。
 select Region || store_name from location;
 ​
 #将location表中，region字段值和store_name字段值拼接在一起，且中间加空格。
 select Region || ' ' || store_name from location;

截取

substr(x,y)和 substr(x,y,z)

#从商店名称的第3个字符开始截取直到最后一个字符。
 select substr(Store_Name,3) from location;
 ​
 #从商店名称的第2个字符开始截取长度为4的字符串。
 select substr(Store_Name,2,4) from location;
 ​
 #当商店名为"Los Angeles"时，从商店名称的第3个字符开始截取直到最后一个字符。
 select substr(Store_Name,3) from location where Store_Name='Los Angeles';
 ​
 #当商店名为"New York"时，从商店名称的第2个字符开始截取长度为4的字符串。
 select substr(Store_Name,2,4) from location where Store_Name='New York';

去除格式 trim()

语法：

 SELECT TRIM ([ [位置] [要移除的字符串] FROM ] 字符串);
 ​
 #[位置]：值可以为 LEADING (起头), TRAILING (结尾), BOTH (起头及结尾)。 
 #[要移除的字符串]：从字串的起头、结尾，或起头及结尾移除的字符串。缺省时为空格。

示例：

 select trim(leading 'Ne' from 'New York');    #移除"New York"开头的"Ne"
 ​
 select trim(trailing 'k' from 'New York');    #移除"New York"结尾的"k"

 返回字符长度 length

 select store_name,length(store_name) from location;   #统计store_name字段值的字### 替换 replace符长度

 替换 replace

 select replace(region,'st','stern') from location;   
 #将region字段值中的字符串"st"替换为字符串"stern"。

进阶查询

GROUP BY（用于分组和汇总）（二）

对GROUPBY后面的字段的查询结果进行汇总分组，通常是结合聚合函数一起使用的

  • "GROUP BY"有一个原则，凡是在"GROUP BY"后面出现的字段，必须在SELECT 后面出现；

  • 凡是在SELECT 后面出现的、且未在聚合函数中出现的字段，必须出现在"GROUP BY"后面。

语法：

 SELECT 字段1,SUM(字段2) FROM 表名 GROUP BY 字段1;


 select store_name from store_info group by store_name;
 #对store_name字段值进行分组汇总。
 ​
 select store_name,count(store_name) from store_info group by store_name;
 #对store_name字段值进行分组汇总，并统计组内每个非空值的数量。
 ​
 select store_name,sum(sales) from store_info group by store_name;
 #对store_name字段值进行分组汇总，并计算每组的销售额。即分组后求和。
 ​
 select store_name,sum(sales) from store_info group by store_name order by sum(sales) desc;
 #对store_name字段值进行分组汇总，并计算每组的销售额，之后对组销售额降序排序。

HAVING（和 group by配合使用）

  • 用来过滤由"GROUP BY"语句返回的记录集，通常与"GROUP BY"语句联合使用。
  • HAVING语句的存在弥补了WHERE 关键字不能与聚合函数联合使用的不足。
  • where只能对原表中的字段进行筛选，不能对group by后的结果进行筛选。

语法：

SELECT 字段1,SUM(字段2) FROM "表格名" GROUP BY 字段1 HAVING(函数条件) ;`

示例：

 select store_name,sum(sales) from store_info group by store_name having sum(sales)>1500;
 #对store_name字段值进行分组汇总，计算每组的销售额，之后显示组销售额大于1500的记录。

 别名——字段别名、表別名

 SELECT 字段1,字段2 AS 字段2的别名 from 表名;   #AS可以省略不写
 ​
 示例：
 select store_name,sum(sales) as total_sales from store_info group by store_name having sum(sales) > 1000;
 #设置sum(sales)字段的别名为total_sales。
 #对store_name字段进行分组汇总，并计算组内销售额之和，之后查询出组销售额大于1000的记录。

表别名：

 SELECT 表格别名.字段1 [AS] 字段别名  FROM 表格名 [AS] 表格别名; #AS可以省略不写
 ​
 示例：
 select A.store_name store, sum(A.sales) total_sales from store_info A group by A.store_Name;
 #设置store_info表的别名为A，A.store_name字段的别名为store，sum(A.sales)字段的别名为total_sales。
 #对A表的store_Name字段进行分组汇总，并计算组销售额。即分组后求组内之和。

表的自我连接

例如：对销售额字段进行排名，并显示名次

#count统计的是A表中销售额的每个值小于等于B表中每个值的次数。（A和B都是store_info的别名，即表的自我连接，自己跟自己对比。）
 select A.store_name,A.sales,count(A.sales) rank from store_info as A,store_info as B where A.sales <= B.sales group by A.store_name,A.sales order by rank asc;

 如果表中有相同数值的销售额，使用如下语句：

 select A.store_name,A.sales,count(A.sales) rank from store_info as A,store_info as B where A.sales<B.sales or (A.sales=B.sales and A.store_name=B.store_name) group by A.store_name,A.sales order by rank asc;

子查询

子查询：连接表格，在WHERE 子句或HAVING 子句中插入另一个SQL语句

语法:

SELECT "字段1" FROM "表格1" WHERE "字段2" [比较运算符]     #外查询
 (SELECT "字段1" FROM "表格2" WHERE "条件") ;             #内查询
 ​
 #可以是符号的运算符，例如=、>、<、>=、<= ;也可以是文字的运算符，例如LIKE、 IN、BETWEEN
 ​
 #先执行内查询，再执行外查询。内查询的查询结果，作为外查询的条件

示例1：两张表连接在一起

 select * from store_info A, location B where A.store_name=B.store_name;

示例2：

 select sales from store_info where store_name in           #外查询
 (select store_name from location where region = 'West');   #内查询。查询西部区域的商店名
 ​
 #内查询先查询出西部区域的商店名，之后外查询遍历这个商店名列表，查询出每个商店名对应的销售额。

示例3：

 select sum(sales) from store_info where store_name in      #外查询
 (select store_name from location where region = 'West');   #内查询。查询西部区域的商店名
 ​
 #内查询先查询出西部区域的商店名，之后外查询遍历这个商店名列表，求出列表中所有商店的销售额之和。

示例4：

 select sum(sales) from store_info A where A.store_name in
 (select store_name from location B where B.store_name=A.store_name);
 ​
 #内查询先查询出B表中和A表相同的商店名，之后外查询遍历这个商店名列表，求出列表中所有商店的销售额之和。

 EXISTS

  • 用来测试内查询有没有产生任何结果，类似布尔值是否为真。
  • 如果内查询有结果的话，系统就会执行外查询中的SQL语句。若是没有结果的话，那整个SQL语句就不会产生任何结果。

语法：

SELECT "字段1" FROM "表格1" WHERE EXISTS (SELECT * FROM "表格2" WHERE "条件");

示例：

 #内查询有结果的话，系统就会执行外查询中的SQL语句
 select sum(sales) from store_info where exists (select * from location where region = 'west');
 ​
 #内查询没有产生结果，会返回NULL值
 select sum(sales) from store_info where exists (select * from location where region = 'north');

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/551547.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

python数据可视化显示(附代码)

python数据可视化显示(附代码)

Python是一种非常流行的编程语言&#xff0c;具有广泛的应用领域&#xff0c;包括数据可视化。在数据可视化中&#xff0c;Python提供了多种工具来帮助用户创建各种类型的图表、图形和可视化效果。本文将介绍Python数据可视化的基本概念、工具和技术&#xff0c;并提供代码示例…
阅读更多...
CustomTkinter：【二】颜色和主题、外观模式、缩放、包装

CustomTkinter：【二】颜色和主题、外观模式、缩放、包装

GitHub地址: https://github.com/TomSchimansky/CustomTkinter 官网&#xff1a; https://customtkinter.tomschimansky.com/ 官方教程文档&#xff1a;https://customtkinter.tomschimansky.com/documentation/ 目录 1、颜色和主题2 、外观模式3 、缩放4、包装 1、颜色和主题 …
阅读更多...
2023/5/21周报

2023/5/21周报

目录 摘要 论文阅读 1、标题和现存问题 2、各个结构 3、基于GNN-LSTM-CNN 网络轨迹预测模型 4、实验准备 5、实验结果 深度学习 1、费舍尔判别 2、步骤具体化 3、GCN 总结 摘要 本周在论文阅读上&#xff0c;阅读了一篇基于GNN-LSTM-CNN网络的6G车辆轨迹预测算法的…
阅读更多...
git pull报没有足够内存 not enough memory for initialization

git pull报没有足够内存 not enough memory for initialization

git clone 或 git pull 批量同步远程 git仓库代码时&#xff0c;报 没有足够内存用于初始化 not enough memory for initialization。经过观察 资源管理器 的内存使用情况&#xff0c;发现为 剩余可用内存不足造成的。加物理内存麻烦&#xff0c;可通过适当调整 分页文件&…
阅读更多...
chatgpt赋能Python-pythoncom安装

chatgpt赋能Python-pythoncom安装

Pythoncom安装指南 如果你是一位Python编程的爱好者或专业工程师&#xff0c;那么你可能会需要使用Pythoncom库。Pythoncom是Python与COM技术相互操作的重要组件&#xff0c;它可以帮助你实现各种Windows应用程序与Python之间的无缝集成。 什么是Pythoncom Pythoncom是Pytho…
阅读更多...
电商项目9：新增商品

电商项目9：新增商品

电商项目9&#xff1a;新增商品 1、前端1.1、修复前端组件通信问题1.2、引入其他前端代码1.3、会员等级列表1.4、当前分类关联的所有品牌 2、后端2.1、会员系统搭建&#xff08;注册与发现&#xff09;2.2、当前分类关联的所有品牌2.3、获取分类下所有分组&关联属性 1、前端…
阅读更多...
网上书店管理系统

网上书店管理系统

系列文章 任务46 网上书店管理系统 文章目录 系列文章一、实践目的与要求1、目的2、要求 二、课题任务三、总体设计1.存储结构及数据类型定义2.程序结构3.所实现的功能函数4、程序流程图 四、小组成员及分工五、 测试添加新的图书购买信息显示所有图书购买信息按购买编号查找图…
阅读更多...
软件测试—Selenium01

软件测试—Selenium01

软件测试—Selenium01 &#x1f50e;自动化测试自动化测试的定义自动化测试的分类 &#x1f50e;SeleniumSelenium 是什么Selenium 的特点Selenium 的原理Selenium Java 的环境搭建Selenium 中常用的 APIBy.cssSelector()By.xpath()By.cssSelector() 与 By.xpath() 的比较 &am…
阅读更多...
C++编译和链接

C++编译和链接

目录 一、源代码的组织 ①头文件&#xff08;*.h&#xff09; ②源文件&#xff08;*.cpp&#xff09; ③主程序&#xff08;main函数所在的程序&#xff09; ④从源代码到可执行文件&#xff0c;编译的过程有三大步骤&#xff1a; 1&#xff09;编译预处理 2&#xff09…
阅读更多...
Python学习笔记——《吴恩达Machine Learning》线性回归例程

Python学习笔记——《吴恩达Machine Learning》线性回归例程

文章目录 案例背景线性回归&#xff08;Loss Regression&#xff09;梯度下降法&#xff08;批量梯度下降算法——batch gradient descent&#xff09;计算成本函数和梯度下降使用线性回归拟合训练数据模型预测 梯度下降效果可视化完整版demo 案例背景 详情参照吴恩达机器学习…
阅读更多...
Linux/Windows安装Maven

Linux/Windows安装Maven

一、Linux部署Maven 注意&#xff1a;必须先安装jdk&#xff0c;maven与jdk&#xff08;java -version&#xff09;版本会有对应关系 版本对应&#xff08;必看&#xff01;&#xff09;&#xff1a;http://maven.apache.org/docs/history.html 官方tar包下载地址&#xff1a;h…
阅读更多...
因为一个Bug，差点损失了100w

因为一个Bug，差点损失了100w

大家好&#xff0c;我是洋子 最近在做单接口的性能测试比较多&#xff0c;在压测过程发现了一个比较有意思的问题&#xff0c;拿出来和大家分享一下 背景是这样的&#xff0c;最近在搞线上的抽奖活动&#xff0c;压测的对象是一个抽奖接口&#xff0c;主要的逻辑见程序的流程…
阅读更多...
Spring ioc容器

Spring ioc容器

Spring ioc容器 导入 spring 容器包 使用 ioc 容器之前&#xff0c;需要先导入 Spring 的包 在 spring maven中下载 spring maven 网址:Maven Repository: spring (mvnrepository.com) 搜索 spring 找到 Spring Web MVC点击 spring-webmvc 进入 选择一个版本号点击&#x…
阅读更多...
Ocean Optics USB2000光谱仪无法在Win10系统运行

Ocean Optics USB2000光谱仪无法在Win10系统运行

1、问题描述 USB2000型光谱仪&#xff0c;由于生产年代过于久远&#xff0c;虽然能被Win10系统识别&#xff0c;但是驱动程序安装完成后依然报错&#xff0c; 提示&#xff1a;该设备无法启动。&#xff08;代码 10&#xff09; 请求USB BOS 描述符失败。 运行SpectraSuite软件…
阅读更多...
ETLCloud社区版与Kettle对比分析

ETLCloud社区版与Kettle对比分析

ETLCloud社区版本与Kettle社区版本都有什么优势和劣势? Pentaho Data Integration&#xff08;PDI&#xff09;&#xff0c;也称为Kettle&#xff0c;是一款开源的数据集成工具,国内有很多企业都选择kettle作为数据清洗工具。以下是kettle的主要特点和优势&#xff1a; 广泛的…
阅读更多...
python 绘制箱型图一些技巧

python 绘制箱型图一些技巧

引言 本篇是之前有一个需求&#xff0c;需要用python来画箱型图&#xff0c;但要求很多&#xff0c;所以我也不断再版&#xff0c;今天突然想起来这个东西可以总结一下&#xff0c;正好马上得思考下一步做啥了&#xff0c;有足够的空闲时间&#xff0c;所以准备把一些基础概念…
阅读更多...
【笔试强训day48】顺时针打印矩阵、左右最值最大差

【笔试强训day48】顺时针打印矩阵、左右最值最大差

博主简介&#xff1a;想进大厂的打工人博主主页&#xff1a;xyk:所属专栏: 笔试强训专栏 笔试强训 目录 文章目录 一、选择题 1.1 10.1.0.1/17的广播地址是&#xff08; &#xff09; 1.2 网络地址172.16.22.38/28 请写出此地址的子网ID以及广播地址&#xff0c;此地址所处子网…
阅读更多...
[2019“好贷杯“风控能力挑战赛一等奖] 基于神经网络算法的A股市场多因子选股的研究

[2019“好贷杯“风控能力挑战赛一等奖] 基于神经网络算法的A股市场多因子选股的研究

本论文为 “2019年中国高校风险管理与控制能力挑战赛” 实际参赛作品&#xff0c;获得一等奖。 本论文体现了较好的数学建模思想和写作&#xff0c;所以将论文和完整代码进行了开源&#xff0c;方便与大家交流。
阅读更多...
NetSuite SuiteTax之中国影响

NetSuite SuiteTax之中国影响

这篇是还账。3个月前林师傅给的一个题目&#xff0c;陆陆续续的学习&#xff0c;一直没有弄完&#xff0c;直到今朝。 SuiteTax是2018年GA的一个重大功能&#xff0c;是NetSuite面向国际市场的一个标志动作。它将过去以美国为中心的税务功能&#xff0c;转向为国际市场服务。只…
阅读更多...
xhs-xs webmsxyw分析

xhs-xs webmsxyw分析

近期又更新了&#xff0c;先是改了x-s生成&#xff0c;然后又加上了a1校验。 后面可能会全参校验&#xff0c;比如再加上gid、deviceId、profileData、x-s-common、smidV2之类。 估计以后不能写xhs了&#xff0c;大家且看且珍惜吧。之前相关的文章都被下架了 危&#xff01;…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023