mysql的查询、子查询及连接查询

系统管理员 2021-07-26 18:50 665阅读 0赞

**一、mysql查询的五种子句**

where子句（条件查询）：按照“条件表达式”指定的条件进行查询。

group by子句（分组）：按照“属性名”指定的字段进行分组。group by子句通常和count()、sum()等聚合函数一起使用。

having子句（筛选）：有group by才能having子句，只有满足“条件表达式”中指定的条件的才能够输出。

order by子句（排序）：按照“属性名”指定的字段进行排序。排序方式由“asc”和“desc”两个参数指出，默认是按照“asc”来排序，即升序。

limit（限制结果集）。

**1、where——基础查询**

where常用运算符：

<table> 
 <tbody> 
  <tr> 
   <td><strong>运算符</strong></td> 
   <td><strong>说明</strong></td> 
  </tr> 
  <tr> 
   <td colspan="2">&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 比较运算符</td> 
  </tr> 
  <tr> 
   <td>&lt;</td> 
   <td>小于</td> 
  </tr> 
  <tr> 
   <td>&lt;=</td> 
   <td>小于或等于</td> 
  </tr> 
  <tr> 
   <td>=</td> 
   <td>等于</td> 
  </tr> 
  <tr> 
   <td>!= 或 &lt;&gt;</td> 
   <td>不等于</td> 
  </tr> 
  <tr> 
   <td>&gt;=</td> 
   <td>大于等于</td> 
  </tr> 
  <tr> 
   <td>&gt;</td> 
   <td>大于</td> 
  </tr> 
  <tr> 
   <td>in</td> 
   <td>在某集合内</td> 
  </tr> 
  <tr> 
   <td>between</td> 
   <td>在某范围内</td> 
  </tr> 
  <tr> 
   <td colspan="2">逻辑运算符</td> 
  </tr> 
  <tr> 
   <td>not 或 !</td> 
   <td>逻辑非</td> 
  </tr> 
  <tr> 
   <td>or 或 ||</td> 
   <td>逻辑或</td> 
  </tr> 
  <tr> 
   <td>and 或 &amp;&amp;</td> 
   <td>逻辑与</td> 
  </tr> 
 </tbody> 
</table>

**2、group by 分组**

“Group By”从字面意义上理解就是根据“By”指定的规则对数据进行分组，所谓的分组就是将一个“数据集”划分成若干个“小区域”，然后针对若干个“小区域”进行数据处理。

select 类别, sum(数量) as 数量之和
    from A
    group by 类别

注：group by语句中select指定的字段必须是“分组依据字段”，其他字段若想出现在select中则必须包含在聚合函数中。

mysql中五种常用的聚合函数：

（1）max(列名)：求最大值。

（2）min(列名)：求最小值。

（2）sum(列名)：求和。

（4）avg(列名)：求平均值。

（5）count(列名)：统计记录的条数。

**3、having**

having子句可以让我们筛选成组后的各种数据，where子句在聚合前先筛选记录，也就是说作用在group by和having子句前。而 having子句在聚合后对组记录进行筛选。

示例：

select 类别, sum(数量) as 数量之和 from A
    group by 类别
    having sum(数量) > 18

示例：Having和Where的联合使用方法

select 类别, SUM(数量)from A
    where 数量 >8
    group by 类别
    having SUM(数量) >10

**where和having的区别：**

作用的对象不同。WHERE 子句作用于表和视图，HAVING 子句作用于组。  
WHERE 在分组和聚集计算之前选取输入行（因此，它控制哪些行进入聚集计算）， 而 HAVING 在分组和聚集之后选取分组的行。因此，WHERE 子句不能包含聚集函数； 因为试图用聚集函数判断那些行输入给聚集运算是没有意义的。 相反，HAVING 子句总是包含聚集函数。（严格说来，你可以写不使用聚集的 HAVING 子句， 但这样做只是白费劲。同样的条件可以更有效地用于 WHERE 阶段。）  
在上面的例子中，我们可以在 WHERE 里应用数量字段来限制，因为它不需要聚集。 这样比在 HAVING 里增加限制更加高效，因为我们避免了为那些未通过 WHERE 检查的行进行分组和聚集计算。  
**综上所述：**  
having一般跟在group by之后，执行记录组选择的一部分来工作的。where则是执行所有数据来工作的。  
再者having可以用聚合函数，如having sum(qty)>1000

**例子：where + group by + having + 函数 综合查询**

练习表：

**![format_png][]**

**查询出两门及两门以上不及格者的平均成绩(注意是所有科目的平均成绩)**

错误情况1：题意理解错误，理解成查出不及格科目的平均成绩。

![format_png 1][]

错误情况2：count()不正确，SQL错误。

![format_png 2][]

**count(a),无论a是什么，都只是数一行；count时，每遇到一行，就数一个a，跟条件无关！**

**正解：**count(score<60)达不到想要的结果，并不是条件的问题，而是无论count()里的表达式是什么都会数一行。score<60 返回 1 或 0；所以可以用sum(score<60)来计算不及格的科目数！

![format_png 3][]

**4、order by 排序**

（1）order by price  //默认升序排列  
（2）order by price desc //降序排列  
（3）order by price asc //升序排列，与默认一样  
（4）order by rand() //随机排列，效率不高

**5、limit**

limit \[offset,\] N  
offset 偏移量，可选，不写则相当于limit 0,N  
N  取出条目

示例：取价格第4-6高的商品

select good_id,goods_name,goods_price from goods order by good_price desc limit 3,3;

**总结：select子句顺序**

<table> 
 <tbody> 
  <tr> 
   <td><strong>子句</strong></td> 
   <td><strong>说明</strong></td> 
   <td><strong>是否必须使用</strong></td> 
  </tr> 
  <tr> 
   <td>select</td> 
   <td>要返回的列或表示式</td> 
   <td>是</td> 
  </tr> 
  <tr> 
   <td>form</td> 
   <td>从中检索数据的表</td> 
   <td>仅在从表选择数据时使用</td> 
  </tr> 
  <tr> 
   <td>where</td> 
   <td>行级过滤</td> 
   <td>否</td> 
  </tr> 
  <tr> 
   <td>group by</td> 
   <td>分组说明</td> 
   <td>仅在按组计算聚集时使用</td> 
  </tr> 
  <tr> 
   <td>having</td> 
   <td>组级过滤</td> 
   <td>否</td> 
  </tr> 
  <tr> 
   <td>order by</td> 
   <td>输出排序顺序</td> 
   <td>否</td> 
  </tr> 
  <tr> 
   <td>limit</td> 
   <td>要检索的行数</td> 
   <td>否</td> 
  </tr> 
 </tbody> 
</table>

**二、mysql子查询**

**1、where型子查询****（把内层查询结果当作外层查询的比较条件）**

（1）查询id最大的一件商品(使用排序+分页实现)

SELECT goods_id,goods_name,shop_price FROM goods ORDER BY goods_id DESC LIMIT 1;

（2）查询id最大的一件商品(使用where子查询实现)

SELECT goods_id,goods_name,shop_price FROM goods WHERE goods_id = (SELECT MAX(goods_id) FROM goods);

（3）查询每个类别下id最大的商品(使用where子查询实现)

SELECT goods_id,goods_name,cat_id,shop_price FROM goods WHERE goods_id IN (SELECT MAX(goods_id) FROM goods GROUP BY cat_id);

**2、from型子查询(把内层的查询结果当成临时表，供外层sql再次查询。查询结果集可以当成表看待。临时表要使用一个别名。)**

（1）查询每个类别下id最大的商品(使用from型子查询)

SELECT goods_id,goods_name,cat_id,shop_price FROM
    (SELECT goods_id,goods_name,cat_id,shop_price FROM goods ORDER BY cat_id ASC,goods_id DESC) AS tmp
    GROUP BY cat_id;

子查询查出的结果集看第二张图，可以看到每个类别的第一条的商品id都为该类别下的最大值。然后将这个结果集作为一张临时表，巧妙的使用group by 查询出每个类别下的第一条记录，即为每个类别下商品id最大。

![format_png 4][]

![format_png 5][]

**3、exists型子查询（把外层sql的结果，拿到内层sql去测试，如果内层的sql成立，则该行取出。内层查询是exists后的查询。）**

（1）从类别表中取出其类别下有商品的类别(如果该类别下没有商品，则不取出)\[使用where子查询\]

SELECT c.cat_id,c.cat_name FROM category c WHERE c.cat_id IN (SELECT g.cat_id FROM goods g GROUP BY g.cat_id);

（2）从类别表中取出其类别下有商品的类别(如果该类别下没有商品，则不取出)\[使用exists子查询\]

SELECT c.cat_id,c.cat_name FROM category c WHERE EXISTS (SELECT 1 FROM goods g WHERE g.cat_id = c.cat_id);

exists子查询，如果exists后的内层查询能查出数据，则表示存在；为空则不存在。

![format_png 6][]

**三、连接查询**

学习连接查询，先了解下"笛卡尔积"，看下百度给出的解释：

**![format_png 7][]**

在数据库中，一张表就是一个集合，每一行就是集合中的一个元素。表之间作联合查询即是作笛卡尔乘积，比如A表有5条数据，B表有8条数据，如果不作条件筛选，那么两表查询就有 5 X 8 = 40 条数据。

先看下用到的测试表基本信息：我们要实现的功能就是查询商品的时候，从类别表将商品类别名称关联查询出来。

行数：类别表14条，商品表4条。

![format_png 8][]

结构：商品表和类别表都有一个cat\_id

![format_png 9][]

**1、全相乘(不是全连接、连接查询)，全相乘是作笛卡尔积**

两表全相乘，就是直接从两张表里查询；从查询的截图看出，总共查出了 4 X 14 = 56 条记录，这些记录是笛卡尔乘积的结果，即两两组合；

但我们要的是每个商品信息显示类别名称而已，这里却查出了56条记录，其中有52条记录都是无效的数据，**全相乘的查询效率低**。

SELECT goods_id,goods_name,cat_name FROM mingoods,category;

![format_png 10][]

如果在两张表里有相同字段，做联合查询的时候，要区别表名，否则会报错误(模糊不清)。

SELECT goods_name,cat_id,cat_name FROM mingoods,category;

![format_png 11][]

添加条件，使两表关联查询，这样查出来就是商品和类别一一对应了。虽然这里查出来4条记录，但是全相乘效率低，全相乘会在内存中生成一个非常大的数据(临时表)，因为有很多不必要的数据。

如果一张表有10000条数据，另一张表有10000条数据，两表全相乘就是100W条数据，是非常消耗内存的。而且，全相乘不能好好的利用索引，因为全相乘生成一张临时表，临时表里是没有索引的，大大降低了查询效率。

SELECT g.goods_name,g.cat_id AS g_cat_id, c.cat_id AS c_cat_id, c.cat_name FROM mingoods g, category c WHERE g.cat_id = c.cat_id;

![format_png 12][]

**2、左连接查询 left join ... on ...**

**语法：**

select A.filed, [A.filed2, .... ,] B.filed, [B.filed4...,] from <left table> as A  left join <right table> as B on <expression>

假设有A、B两张表，左连接查询即 A表在左不动，B表在右滑动，A表与B表通过一个关系来关联行，B表去匹配A表。

**2.1、先来看看on后的条件恒为真的情况**

SELECT g.goods_name,g.cat_id, c.cat_id ,c.cat_name FROM mingoods g LEFT JOIN category c ON 1;

跟全相乘相比，从截图可以看出，总记录数仍然不变，还是 4 X 14 = 56 条记录。但这次是商品表不动，类别表去匹配，因为每次都为真，所以将所有的记录都查出来了。左连接，其实就可以看成左表是主表，右表是从表。

![format_png 13][]

**2.2 、根据cat\_id使两表关联行**

SELECT g.goods_name,g.cat_id,c.cat_id,c.cat_name FROM mingoods g LEFT JOIN category c ON g.cat_id = c.cat_id;

使用左连接查询达到了同样的效果，但是不会有其它冗余数据，查询速度快，消耗内存小，而且使用了索引。左连接查询效率相比于全相乘的查询效率快了10+倍以上。

左连接时，mingoods表(左表)不动，category表(右表)根据条件去一条条匹配，虽说category表也是读取一行行记录，然后判断cat\_id是否跟mingoods表的相同，但是，左连接使用了索引，cat\_id建立了索引的话，查询速度非常快，所以整体效率相比于全相乘要快得多，全相乘没有使用索引。

![format_png 14][]

**2.3、查询出第四个类别下的商品，要求显示商品名称**

SELECT g.goods_name,g.cat_id,c.cat_name,g.shop_price FROM goods g LEFT JOIN category c ON g.cat_id = c.cat_id WHERE g.cat_id = 4;

![format_png 15][]

**2.4 、对于左连接查询，如果右表中没有满足条件的行，则默认填充NULL。**

SELECT g.goods_name,g.cat_id AS g_cat_id, c.cat_id AS c_cat_id,c.cat_id FROM mingoods g LEFT JOIN mincategory c ON g.cat_id = c.cat_id;

![format_png 16][]

**3、右连接查询 right join ... on ...**

**语法：**

select A.field1,A.field2,..., B.field3,B.field4  from <left table> A right join <right table> B on <expression>

右连接查询跟左连接查询类似，只是右连接是以右表为主表，会将右表所有数据查询出来，而左表则根据条件去匹配，如果左表没有满足条件的行，则左边默认显示NULL。左右连接是可以互换的。

SELECT g.goods_name,g.cat_id AS g_cat_id,  c.cat_id AS c_cat_id,c.cat_name FROM mingoods g RIGHT JOIN mincategory c ON g.cat_id = c.cat_id;

![format_png 17][]

**4、内连接查询 inner join ... on ...**

**语法：**

select A.field1,A.field2,.., B.field3, B.field4 from <left table> A inner join <right table> B on <expression>

内连接查询，就是取左连接和右连接的交集，如果两边不能匹配条件，则都不取出。

SELECT g.goods_name,g.cat_id, c.* from mingoods g INNER JOIN mincategory c ON g.cat_id = c.cat_id;

![format_png 18][]

**5、全连接查询 full join ... on ...**

**语法：**

select ... from <left table> full join <right table> on <expression>

全连接会将两个表的所有数据查询出来，不满足条件的为NULL。

全连接查询跟全相乘查询的区别在于，如果某个项不匹配，全相乘不会查出来，全连接会查出来，而连接的另一边则为NULL。

**6、联合查询 union**

**语法：**

select A.field1 as f1, A.field2 as f2 from <table1> A union (select B.field3 as f1, field4 as f2 from <table2> B)

union是求两个查询的并集。union合并的是结果集，不区分来自于哪一张表，所以可以合并多张表查询出来的数据。

![format_png 19][]

**6.1、将两张表的数据合并查询出来**

SELECT id, content, user FROM comment UNION (SELECT id, msg AS content, user FROM feedback);

![format_png 20][]

**6.2、union查询，列名不一致时，以第一条sql语句的列名对齐**

SELECT id, content, user FROM comment UNION (SELECT id, msg, user FROM feedback);

![format_png 21][]

**6.3、使用union查询会将重复的行过滤掉**

SELECT content,user FROM comment UNION (SELECT msg, user FROM feedback);

![format_png 22][]

**6.4、使用union all查询所有，重复的行不会被过滤**

SELECT content,user FROM comment UNION ALL (SELECT msg, user FROM feedback);

![format_png 23][]

**6.5、union查询，如果列数不相等，会报列数不相等错误**

**![format_png 24][]**

**6.6、union 后的结果集还可以再做筛选**

SELECT id,content,user FROM comment UNION ALL (SELECT id, msg, user FROM feedback) ORDER BY id DESC;

![format_png 25][]

union查询时，order by放在内层sql中是不起作用的；因为union查出来的结果集再排序，内层的排序就没有意义了；因此，内层的order by排序，在执行期间，被mysql的代码分析器给优化掉了。

(SELECT id,content,user FROM comment ORDER BY id DESC) UNION ALL (SELECT id, msg, user FROM feedback ORDER BY id DESC);

![format_png 26][]

order by 如果和limit一起使用，就显得有意义了，就不会被优化掉。

( SELECT goods_name,cat_id,shop_price FROM goods WHERE cat_id = 3 ORDER BY shop_price DESC LIMIT 3 )
    UNION
    ( SELECT goods_name,cat_id,shop_price FROM goods WHERE cat_id = 4 ORDER BY shop_price DESC LIMIT 2 );

![format_png 27][]

**6.7、练习**

SELECT name, SUM(money) FROM ( ( SELECT * FROM A ) UNION ALL ( SELECT * FROM B ) ) tmp GROUP BY name;

![format_png 28][]

![format_png 29][]

**连接查询总结：**

1、在数据库中，一张表就是一个集合，每一行就是集合中的一个元素。连接查询即是作笛卡尔积，比如A表有1W条数据，B表有1W条数据，那么两表查询就有 1W X 1W = 100W 条数据

2、如果在两张表里有相同字段，做联合查询的时候，要区别表名，否则会报错误(ambiguous 模糊不清)

3、全相乘效率低，全相乘会在内存中生成一个非常大的数据(临时表)，因为有很多不必要的数据。

如果一张表有10000条数据，另一张表有10000条数据，两表全相乘就是100W条数据，是非常消耗内存的。

而且，全相乘不能好好的利用索引，因为全相乘生成一张临时表，临时表里是没有索引的，大大降低了查询效率。

4、左连接查询时，以左表为主表，会将左表所有数据查询出来；左表不动，右表根据条件去一条条匹配，如果没有满足条件的记录，则右边返回NULL。

右连接查询值，以右表为主表，会将右表所有数据查询出来，右表不动，左表则根据条件去匹配，如果左表没有满足条件的行，则左边返回NULL。

左右连接是可以互换的：A left join B  ==  B right join A (都是以A为主表) 。

左右连接既然可以互换，出于移植兼容性方面的考虑，尽量使用左连接。

5、连接查询时，虽说也是读取一行行记录，然后判断是否满足条件，但是，连接查询使用了索引，条件列建立了索引的话，查询速度非常快，所以整体效率相比于全相乘要快得多，全相乘是没有使用索引的。

使用连接查询，查询速度快，消耗内存小，而且使用了索引。连接查询效率相比于全相乘的查询效率快了10+倍以上。

6、内连接查询，就是取左连接和右连接的**交集**，如果两边不能匹配条件，则都不取出。

7、MySql可以用union(联合查询)来查出左连接和右连接的**并集**。

union查询会过滤重复的行，union all 不会过滤重复的行。

union查询时，union之间的sql列数必须相等，列名以第一条sql的列为准；列类型可以不一样，但没太大意义。

但是，order by 如果和limit一起使用，就显得有意义了，会影响最终结果集，就不会被优化掉。order by会根据最终是否会影响结果集而选择性的优化。

注：union和union all的区别，union会去掉重复的记录，在结果集合并后悔对新产生的结果集进行排序运算，效率稍低，union all直接合并结果集，如果确定没有重复记录，建议使用union all。

8、 LEFT JOIN 是 LEFT OUTER JOIN 的缩写，同理，RIGHT JOIN 是 RIGHT OUTER JOIN 的缩写；JOIN 是 INNER JOIN 的缩写。

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

**关联查询**

**1、使用join关键字关联查询**

**（1）、内连接（inner join）**

连接两张表，连接条件使用on关键字，内连接只会显示匹配的数据记录。

eg:查询学生姓名、科目、分数

select a.name 姓名,b.subject 科目,b.score 分数 from student a inner join score b on a.id = b.sid;

**![format_png 30][]**

**（2）、左连接（left join）**

返回左表中所有记录以及右表中符合连接条件的所有记录。

eg: 使用左连接查询学生姓名、科目、分数

select a.name 姓名,b.subject 科目,b.score 分数 from student a left join score b on a.id = b.sid;

**![format_png 31][]**

**（3）、右连接（right join）**

返回右表中所有记录以及左表中符合连接条件的所有记录。

eg:使用右连接查询学生姓名、科目、分数

select a.name 姓名,b.subject 科目,b.score 分数 from student a right join score b on a.id = b.sid;

![format_png 32][]

注：内外连接区别：内连接只会显示匹配的数据记录，外连接例如左连接会把左边表中所有记录显示出来，即使在右边表中没有匹配记录也会显示左表的数据，右连接反之。

**2、使用表和表之间相同id关联查询**

这种关联方式和内连接一样，只会显示出匹配的数据

select a.name 姓名,b.subject 科目,b.score 分数 from student a,score b where a.id = b.sid;

![format_png 33][]

[format_png]: /images/20210726/c868d28555e94f069503802d532b2025.png
[format_png 1]: /images/20210726/43ed849c88ff4dabbe92b30991641dab.png
[format_png 2]: /images/20210726/77aa00b4bb3549b3ad212f9b27b35d15.png
[format_png 3]: /images/20210726/d573c581649f4dcba358ca7716bdc95c.png
[format_png 4]: /images/20210726/f3971ee557134c3898ad28cf5c7fbd0f.png
[format_png 5]: /images/20210726/de2cb1b3dc80498dbf0b5c5f37905576.png
[format_png 6]: /images/20210726/41b7e537184a4f3e82b97b9e865270b2.png
[format_png 7]: /images/20210726/aded5c01513c4fa0a89cada4a993780e.png
[format_png 8]: /images/20210726/70e9f0f109704e77a40d449a6977b624.png
[format_png 9]: /images/20210726/10b7ab8c95404f72bd3d252aed137a68.png
[format_png 10]: /images/20210726/ca66e9528db44066866dcdb2299fe747.png
[format_png 11]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE3LmNuYmxvZ3MuY29tL2Jsb2cvMjQ5OTkzLzIwMTcwOC8yNDk5OTMtMjAxNzA4MjgxNDQ5NTgzNTgtOTYxNTcyMTI3LnBuZw?x-oss-process=image/format,png
[format_png 12]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE3LmNuYmxvZ3MuY29tL2Jsb2cvMjQ5OTkzLzIwMTcwOC8yNDk5OTMtMjAxNzA4MjgxNDUxNTcyMzMtMTg0MTA5NjkwNS5wbmc?x-oss-process=image/format,png
[format_png 13]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE3LmNuYmxvZ3MuY29tL2Jsb2cvMjQ5OTkzLzIwMTcwOC8yNDk5OTMtMjAxNzA4MjgxNDU3MzM1NzctNTI4MDg2MjgyLnBuZw?x-oss-process=image/format,png
[format_png 14]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE3LmNuYmxvZ3MuY29tL2Jsb2cvMjQ5OTkzLzIwMTcwOC8yNDk5OTMtMjAxNzA4MjgxNTEwNDY0MjEtMTgwODA5OTk0Ny5wbmc?x-oss-process=image/format,png
[format_png 15]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE3LmNuYmxvZ3MuY29tL2Jsb2cvMjQ5OTkzLzIwMTcwOC8yNDk5OTMtMjAxNzA4MzExNDMxMjQyODAtMTI1OTQxOTQxNi5wbmc?x-oss-process=image/format,png
[format_png 16]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE3LmNuYmxvZ3MuY29tL2Jsb2cvMjQ5OTkzLzIwMTcwOC8yNDk5OTMtMjAxNzA4MzExNDMzNDM0NTItNzAwMTA2OTQ3LnBuZw?x-oss-process=image/format,png
[format_png 17]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE3LmNuYmxvZ3MuY29tL2Jsb2cvMjQ5OTkzLzIwMTcwOC8yNDk5OTMtMjAxNzA4MzExNDM5MjA0NTItMTIxNzkwODkwNC5wbmc?x-oss-process=image/format,png
[format_png 18]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE3LmNuYmxvZ3MuY29tL2Jsb2cvMjQ5OTkzLzIwMTcwOC8yNDk5OTMtMjAxNzA4MzExNDQ0MTMzMTItNzk4NjI5ODYzLnBuZw?x-oss-process=image/format,png
[format_png 19]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE3LmNuYmxvZ3MuY29tL2Jsb2cvMjQ5OTkzLzIwMTcwOC8yNDk5OTMtMjAxNzA4MzExNDQ4NDc3MDItODkyNTQ0NzIxLnBuZw?x-oss-process=image/format,png
[format_png 20]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE3LmNuYmxvZ3MuY29tL2Jsb2cvMjQ5OTkzLzIwMTcwOC8yNDk5OTMtMjAxNzA4MzExNDUwMjE4MTItMTc0NzA2NTIxNy5wbmc?x-oss-process=image/format,png
[format_png 21]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE3LmNuYmxvZ3MuY29tL2Jsb2cvMjQ5OTkzLzIwMTcwOC8yNDk5OTMtMjAxNzA4MzExNDUxNDgyMDItMTg2NTIwNDI3NS5wbmc?x-oss-process=image/format,png
[format_png 22]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE3LmNuYmxvZ3MuY29tL2Jsb2cvMjQ5OTkzLzIwMTcwOC8yNDk5OTMtMjAxNzA4MzExNDUzNTg0NTItNjMwOTQwNjQ0LnBuZw?x-oss-process=image/format,png
[format_png 23]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE3LmNuYmxvZ3MuY29tL2Jsb2cvMjQ5OTkzLzIwMTcwOC8yNDk5OTMtMjAxNzA4MzExNDU1NDg0ODMtMTUyNzA0Nzc0OC5wbmc?x-oss-process=image/format,png
[format_png 24]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE3LmNuYmxvZ3MuY29tL2Jsb2cvMjQ5OTkzLzIwMTcwOC8yNDk5OTMtMjAxNzA4MzExNDU3MTc1NzctMTY0ODk2OC5wbmc?x-oss-process=image/format,png
[format_png 25]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE3LmNuYmxvZ3MuY29tL2Jsb2cvMjQ5OTkzLzIwMTcwOC8yNDk5OTMtMjAxNzA4MzExNDU4MjczNzQtMjA3MDM4OTIxNC5wbmc?x-oss-process=image/format,png
[format_png 26]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE3LmNuYmxvZ3MuY29tL2Jsb2cvMjQ5OTkzLzIwMTcwOC8yNDk5OTMtMjAxNzA4MzExNTAzMDU1OTMtNzA0MTYzMzAxLnBuZw?x-oss-process=image/format,png
[format_png 27]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE3LmNuYmxvZ3MuY29tL2Jsb2cvMjQ5OTkzLzIwMTcwOC8yNDk5OTMtMjAxNzA4MzExNTA1MTQ2MDgtMTcxMzY4NjI3NS5wbmc?x-oss-process=image/format,png
[format_png 28]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE3LmNuYmxvZ3MuY29tL2Jsb2cvMjQ5OTkzLzIwMTcwOC8yNDk5OTMtMjAxNzA4MzExNTA5NTU1NDYtNjM3ODQ4OTc2LnBuZw?x-oss-process=image/format,png
[format_png 29]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE3LmNuYmxvZ3MuY29tL2Jsb2cvMjQ5OTkzLzIwMTcwOC8yNDk5OTMtMjAxNzA4MzExNTEwMDg3NDktNzAzNzQzNTg4LnBuZw?x-oss-process=image/format,png
[format_png 30]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE1LmNuYmxvZ3MuY29tL2Jsb2cvMjQ5OTkzLzIwMTcwNC8yNDk5OTMtMjAxNzA0MjcxNjE2MzA2MTUtOTE3MDcwMDk4LnBuZw?x-oss-process=image/format,png
[format_png 31]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE1LmNuYmxvZ3MuY29tL2Jsb2cvMjQ5OTkzLzIwMTcwNC8yNDk5OTMtMjAxNzA0MjcxNjE2NTY1MDYtMTg4MjA5MjYzOS5wbmc?x-oss-process=image/format,png
[format_png 32]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE1LmNuYmxvZ3MuY29tL2Jsb2cvMjQ5OTkzLzIwMTcwNC8yNDk5OTMtMjAxNzA0MjcxNjE5MjEzODEtMTcxMjg5NDg4NS5wbmc?x-oss-process=image/format,png
[format_png 33]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9pbWFnZXMyMDE1LmNuYmxvZ3MuY29tL2Jsb2cvMjQ5OTkzLzIwMTcwNC8yNDk5OTMtMjAxNzA0MjcxNjQyMDE1NTMtNDM5MDMxMDc4LnBuZw?x-oss-process=image/format,png