最全最易理解的数据库查询教程

￡神魔★判官ぃ 2023-02-21 11:50 15阅读 0赞

### 数据库查询 ###

*   *   *  检索数据表中一个字段的内容
         *  检索数据表中多个字段的内容
         *  检索数据表中所有字段的内容
         *  带限制条件的查询
         *  表达式查询
         *  使用 WHERE 语句和逻辑表达式
         *  使用WHERE语句检索单范围数据
         *  使用WHERE语句检索双范围数据
         *  使用WHERE语句检索不匹配某条件的语句
         *  使用通配符\[\]模糊匹配数据内容
         *  使用通配符\[\]和^模糊匹配取反的数据内容
         *  使用通配符\_模糊匹配数据内容
         *  使用通配符%模糊匹配数据内容的后半部分
         *  使用通配符%模糊匹配数据内容的任意部分

### 检索数据表中一个字段的内容 ###

我们将从最简单的 SELECT 语句开始学习。

语法规则为：

SELECT 字段名 FROM 表名

举个例子  
我们想从表 Customers 中得到 cust\_name 字段所有的内容，即所有人的姓名。表 Customers 的内容如下图所示：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70]  
输入：

SELECT cust_name
    FROM Customers

输出：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 1]  
我们成功从表 Customers 中检索到了字段 cust\_name 的内容。

### 检索数据表中多个字段的内容 ###

如果我想检索更多的字段呢？当然可以做到，而且语法结构与检索单个字段的内容类似，只需要你把想要检索的字段，统统放到 SELECT 后面就可以了，记得要加逗号隔开。

语法规则为：

SELECT 字段名1, 字段名2, 字段名3 FROM 表名

举个例子  
我们想从表 Customers 中得到 cust\_id 和 cust\_name 字段所有的内容。

输入：

SELECT cust_id, cust_name
    FROM Customers

输出：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 2]  
可以看到，我们成功从表 Customers 中检索到了字段 cust\_id 和 cust\_name 的内容。

### 检索数据表中所有字段的内容 ###

如果我想检索一张表内的所有字段呢？是不是需要我把字段一个一个列出来呀？如果我不记得字段都有哪些了怎么办呢？当然有解决办法！  
我们可以通过在 SELECT 语句后使用 \* 来返回表内所有字段的内容。

语法规则为：

SELECT * FROM 表名

举个例子  
我们想从表 Customers 中得到所有字段的内容。

输入：

SELECT *
    FROM Customers

输出：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 3]

### 带限制条件的查询 ###

SELECT 语句可以帮你返回所有匹配的内容，甚至整张表的内容。但是如果你仅仅是想要第一行的数据或者前几行的数据怎么办呢？好消息是我们可以通过限制条件来查询，不过限制条件的语法在各个数据库中的语法是不同的。在 SQL Server 中：

语法规则为：

SELECT TOP 行数 字段名 FROM 表名

举个例子  
我们想从表 Customers 中得到 cust\_name 字段的前 3 行内容。表 Customers 的内容如下图所示：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 4]

输入：

SELECT TOP 3 cust_name
    FROM Customers

输出：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 5]

当然，如果你使用的是 MYSQL 或者其他数据库，语法可不一样啊，你得去问 google 咯\-。

### 表达式查询 ###

有时候，你并不想知道某个字段的内容，而是想知道经过处理后的内容。这种情况有很多。比如，你想知道这一批的书打6折后都是多少钱？你想知道字段 A 和字段 B 加起来是多少？这是可以做到的，我们可以使用表达式查询来达到此目的。

语法规则为：

SELECT 包含字段名的表达式 AS 新字段名 FROM 表名

其中，表达式计算的结果会放在新字段名下面，但是新字段名并没有存储在表中，而是暂时把结果返回给你，供你参考。

举个例子  
我们想从把表 Customers 中每位消费者的 cust\_id 都 +1 。表 Customers 的内容与上例的相同。

输入：

SELECT cust_id, cust_id+1 as new_cust_id
    FROM Customers

输出：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 6]

### 使用 WHERE 语句和逻辑表达式 ###

下表为与 WHERE 语句搭配的操作符列表：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 7]

### 使用WHERE语句检索单范围数据 ###

如果你想在房屋中介数据库中，寻找小于100万的房子，你应该怎么做？你是不是很自然的就想到了要用操作符 < 的。

让我们举个例子来看看，检索单范围数据是怎么实现的：

我们想从表 Customers 中找到消费大于 1000 的人。表 Customers 的内容如下图所示：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 8]  
输入：

SELECT cust_name, cost
    FROM Customers
    WHERE cost > 1000

输出：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 9]  
不仅是 > ，其他操作符 < , <= , >= , !< , !> 的使用方法也是一样的。

### 使用WHERE语句检索双范围数据 ###

还有一种情况，就是你心目中有一个理想的区间范围。比如你想买房，不能太便宜，因为便宜的有可能又小又偏僻，也不能太贵，因为。。。呵呵大家懂的。这时候，你就需要划定一个范围，SQL 很贴心的为大家提供了自然语言关键字，用来划定数字的范围。

语法规则为：

WHERE 字段名 BETWEEN 数字1 AND 数字2

举个例子  
我们想从表 Customers 中找到消费在 1000~3000 之间的人。表 Customers 的内容和上例相同。

输入：

SELECT cust_name, cost
    FROM Customers
    WHERE cost BETWEEN 1000 AND 3000

输出：  
![在这里插入图片描述][20200630135118902.png]  
Tips：  
注意，使用 BETWEEN…AND… 时一定要记住较小的数在前边，较大的数在后边！

### 使用WHERE语句检索不匹配某条件的语句 ###

有很多人可能有过这样的感觉，问你想要什么样的男/女朋友，你可能说想要这样的，那样的，好像都不错，看感觉吧。虽然你可能不知道你最想要什么，但是你一定知道你不想要什么。

SQL 语句也一样，它为你提供了选择不想要什么的机会。

举个例子  
我们想从表 Customers 中找到消费者不在 New York 的人。表 Customers 的内容和上例相同。

输入：

SELECT cust_name, cust_city
    FROM Customers
    WHERE cust_city <> 'New York'

输出：  
![在这里插入图片描述][20200630135247267.png]  
Tips：  
注意，在SQL Server 中，不等于只能用 <> 符号，不能使用 != 符号。

### 使用通配符\[\]模糊匹配数据内容 ###

通配符 \[\] 是个中括号，一看就知道里面是应该放点什么内容，放点什么呢？它又有什么作用呢？

\[\] 用于将一组字符囊括在内，这一组字符之间是或的关系，而通配符 \[\] 出现的位置也严格匹配于括号中出现的字符在整个字符串中的位置。

是不是有点抽象？一会儿我们举个例子你就明白了，先来看看语法吧。

语法规则为：

SELECT 字段名 
     FROM 表名  
     WHERE  字段名 LIKE '[数据]'

举个例子  
我们想从表 Customers 中，检索到所有 cust\_name 以 a 和 t 开头的消费者的所有数据。表 Customers 的内容如下图所示:  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 10]  
输入：

SELECT *
    FROM Customers
    WHERE cust_name LIKE '[at]%'

输出：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 11]  
分析：  
我们在语法中加入了通配符 % 。因为通配符 \[\] 中出现的只能是有或关系的 单字符 。所以除非你想检索的是单字符，否则不加 % 的话，你将检索不到任何内容。

Tips：  
注意，通配符中的字符大小写不敏感 ！

### 使用通配符\[\]和^模糊匹配取反的数据内容 ###

我们还可以对检索内容进行“取反”。使用符号 ^ 后，我们可以成功的检索到 \[\] 中没出现的字符。

语法规则为：

SELECT 字段名 
     FROM 表名  
     WHERE  字段名 LIKE '[^数据]'

举个例子  
我们想从表 Customers 中，检索到所有 cust\_name 不是以 a 和 t 开头的消费者的所有数据。表 Customers 的内容如下图所示:  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 12]  
输入：

SELECT *
    FROM Customers
    WHERE cust_name LIKE '[^at]%'

输出：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 13]  
分析：  
当然，你也可以使用 NOT 操作符来得到相同的结果。相比来说，^ 唯一的好处就是简化了 WHERE 语句的语法。

举个例子

SELECT *
    FROM Customers
    WHERE NOT cust_name LIKE '[at]%'

### 使用通配符\_模糊匹配数据内容 ###

另一个很实用的通配符是下划线 \_ ，它的使用规则与 % 类似，唯一与 % 不同的是：% 能匹配多个字符，而 \_ 只能匹配一个字符！

语法规则为：

SELECT 字段名 
     FROM 表名  
     WHERE  字段名 LIKE '数据和_的组合'

举个例子  
我们想从表 Customers 中检索到 cust\_id 尾数只有个位数的消费者的所有数据。表 Customers 的内容如下图所示。大家可以看到，我们只有一个 cust\_id 尾数为两位数的消费者 Sol Pozo ，该如何撇开它呢？![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 14]

输入：

SELECT *
    FROM Customers
    WHERE cust_id LIKE '100000000_'

输出：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 15]  
在这个例子里，通配符 \_ 只匹配到了一个字符，那如果想匹配多个连起来的字符呢？那就把通配符 \_ 连起来！

### 使用通配符%模糊匹配数据内容的后半部分 ###

在所有通配符中，最常用的通配符要数 % 了。使用了 % 就意味着，你能从现有的数据中匹配到任意个数的字符（注意，可以是不止一个字符哟）。

语法规则为：

SELECT 字段名 
     FROM 表名  
     WHERE  字段名 LIKE '数据%';

举个例子  
我们想从表 Customers 中检索到所有叫 Alice 的消费者的所有数据。表 Customers 的内容如下图所示。大家可以看到，我们有 Alice Nicholas 和 Alice Edwards 两个都叫 Alice 的人，该如何做才能同时匹配到他们两个呢？

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 16]

输入：

SELECT *
    FROM Customers
    WHERE cust_name LIKE 'Alice%'

输出：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 17]  
在这个例子里，我们使用了模糊匹配模式 Alice% ，运行后，数据库会检索出所有以 Alice 为开头的字符串来，无论 Alice 后有多长的字符串数据库都能检索出来。

Tips：  
注意，模式匹配是大小写敏感的！如果你检索的是 alice% ，那就什么都检索不到了！

### 使用通配符%模糊匹配数据内容的任意部分 ###

如果，你想检索的内容既不在字符串的头部，也不在字符串的尾部，而是在它们的中间，你该如何检索呢？

举个例子  
我们想从表 Customers 中得检索到所有拥有 yahoo 邮箱的消费者的所有数据。表 Customers 的内容如下图所示：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 18]  
如果我们还按刚才的方法，看看我们能检索到什么？

输入：

SELECT *
    FROM Customers
    WHERE cust_email LIKE 'yahoo%'

输出：

![在这里插入图片描述][2020063014114935.png]  
啊哦！什么都没检索到！那是因为， yahoo% 模式严格匹配的是以 yahoo 开头的字符串。而大家可以看到，在我们的例子中，包含 yahoo 字符串的邮箱地址是以不同名字作为字符串开头的。

所以，要想匹配到五花八门的名字，我们需要把它们都变成通配符 % 。

输入：

SELECT *
    FROM Customers
    WHERE cust_email LIKE '%yahoo%'

输出：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 19]  
想象一下，如果你在 cust\_email 中检索 a%m ，会得到什么样的结果？

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200630134036849.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200630134051726.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200630134109560.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20200630134122958.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20200630134401578.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20200630134427974.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 6]: https://img-blog.csdnimg.cn/20200630134519757.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 7]: https://img-blog.csdnimg.cn/20200630134836259.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 8]: https://img-blog.csdnimg.cn/20200630134959624.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 9]: https://img-blog.csdnimg.cn/20200630135024408.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ==,size_16,color_FFFFFF,t_70
[20200630135118902.png]: https://img-blog.csdnimg.cn/20200630135118902.png
[20200630135247267.png]: https://img-blog.csdnimg.cn/20200630135247267.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 10]: https://img-blog.csdnimg.cn/20200630135547121.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 11]: https://img-blog.csdnimg.cn/2020063013563593.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 12]: https://img-blog.csdnimg.cn/20200630135831179.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 13]: https://img-blog.csdnimg.cn/20200630140028511.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 14]: https://img-blog.csdnimg.cn/20200630140721737.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 15]: https://img-blog.csdnimg.cn/20200630140745578.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 16]: https://img-blog.csdnimg.cn/20200630141015583.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 17]: https://img-blog.csdnimg.cn/20200630141038482.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 18]: https://img-blog.csdnimg.cn/20200630141120300.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ==,size_16,color_FFFFFF,t_70
[2020063014114935.png]: https://img-blog.csdnimg.cn/2020063014114935.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ_size_16_color_FFFFFF_t_70 19]: https://img-blog.csdnimg.cn/20200630141218945.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N0YXJfb2Zfc2NpZW5jZQ==,size_16,color_FFFFFF,t_70