- 博客(525)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 字符串匹配与文本处理（六）：Trie树
本文详细介绍了Trie树（字典树）及其在字符串处理和文本匹配中的应用。文章首先概述了Trie树的定义与特点，包括节点表示字符、路径代表字符串和共享前缀等特性，并列举了其在字符串查找、前缀匹配、自动补全等场景的应用。随后详细讲解了Trie树的基本操作（插入、查找、删除）和Java实现方案，提供了完整的TrieNode类和Trie类代码示例。文章还比较了Trie树与哈希表、二叉搜索树等数据结构的优缺点，并探讨了压缩Trie树、后缀树等优化扩展方案。最后总结了Trie树在处理大量字符串时的高效性，建议读者在实践中
2025-06-19 17:51:16
983
原创 字符串匹配与文本处理（七）：AC自动机
本文深入解析了AC自动机(Aho-Corasick Automaton)这一高效的多模式字符串匹配算法。文章首先介绍了AC自动机的核心概念，包括字典树(Trie)和失败指针的实现原理。随后详细阐述了其工作原理，分为预处理阶段(构建字典树和失败指针)和匹配阶段，并分析了O(n)的时间复杂度优势。通过完整的Java代码实现，展示了如何定义字典树节点、构建失败指针以及执行文本匹配。最后，将AC自动机与其他字符串匹配算法(KMP、Boyer-Moore等)进行对比，突出其在多模式匹配场景中的高效性。本文为理解AC自
2025-06-19 17:50:42
565
原创 字符串匹配与文本处理（五）：Z-算法
本文深入解析Z-算法的原理与应用。该算法通过构建Z数组记录字符串各位置的最长前缀匹配长度，实现线性时间复杂度O(n)。文章详细介绍了Z数组的计算方法，包括初始状态、滑动窗口和扩展调整等步骤，并提供了完整的伪代码说明。重点展示了Java实现代码，包括Z数组计算和模式匹配功能，通过实例演示了算法运行过程。与其他算法相比，Z-算法具有实现简洁、效率高的特点，适用于字符串匹配、重复模式检测等场景。本文为理解和应用Z-算法提供了全面的技术指导。
2025-06-18 15:06:23
597
原创 字符串匹配与文本处理（四）：Boyer-Moore算法
本文详细解析了Boyer-Moore字符串匹配算法。该算法通过坏字符规则和好后缀规则两个核心优化策略，从模式末尾开始匹配，在失配时跳过不必要的字符比较。文章介绍了算法原理、时间复杂度分析（最坏O(n*m)，实际接近O(n/m)），并提供了完整的Java实现代码，包括坏字符表和好后缀表的构建方法。通过与其他算法（暴力匹配、KMP）的对比，展示了Boyer-Moore在大规模文本处理中的高效性，特别适合字符分布规律的场景。文中还包含具体的代码解析和应用示例，帮助读者深入理解这一经典字符串匹配算法。
2025-06-18 15:03:49
359
原创 字符串匹配与文本处理（三）： Rabin-Karp 算法
摘要：Rabin-Karp算法是一种基于哈希的字符串匹配算法，通过将模式串和文本子串转换为哈希值进行快速比对。该算法平均时间复杂度为O(n+m)，适用于多模式匹配场景。文章详细解析了算法原理、哈希函数设计、冲突处理机制，并提供了完整的Java实现代码。同时对比了KMP和暴力匹配算法，指出Rabin-Karp在平均情况下的高效性及哈希冲突导致的最坏时间复杂度O(n*m)问题。最后强调其作为多模式匹配解决方案的价值。
2025-06-18 14:58:56
693
原创 字符串匹配与文本处理（二）： KMP 算法
KMP算法是一种高效的字符串匹配算法，通过预处理模式字符串构建部分匹配表，在匹配失败时利用该表跳过不必要的比较，将时间复杂度优化至O(n+m)。本文详细解析了KMP的核心思想，包括部分匹配表（next数组）的构造原理和匹配过程，并提供了完整的Java实现代码。与传统暴力匹配算法相比，KMP算法显著提升了长文本匹配效率，适用于大多数字符串处理场景。文章还对比了不同匹配算法的特性，帮助开发者理解KMP算法的优势和应用场景。
2025-06-18 14:51:06
878
原创 字符串匹配与文本处理（一）：暴力匹配
本文深入解析字符串暴力匹配算法及其Java实现。暴力匹配是最基础的字符串匹配方法，通过逐个比较文本和模式字符进行匹配。文章详细介绍了算法流程，并提供了Java代码示例。虽然时间复杂度为O(n*m)较高，但暴力匹配在小规模数据和简单模式场景中仍具优势，是学习其他高效算法的基础。作者还对比了KMP、Boyer-Moore等更优算法，帮助读者理解暴力匹配的适用场景和局限性。
2025-06-18 14:49:19
604
原创 并查集算法（三）：按秩合并
本文深入解析了并查集算法中的按秩合并优化技术。文章首先回顾了并查集的基本操作和实现方式，包括查找、合并操作及其时间复杂度。重点阐述了按秩合并的原理及作用：通过将较小树合并到较大树下控制树高度，将时间复杂度从O(n)优化至接近常数的O(α(n))。文章提供了详细的Java实现代码，包含路径压缩和按秩合并的具体实现，并通过性能对比表直观展示优化效果。最后总结按秩合并对提升并查集效率的重要性，为读者提供了理解并应用该技术的实用指导。
2025-06-18 14:47:20
913
原创 并查集算法（二）：路径压缩
《并查集路径压缩技术的Java实现与性能分析》 本文详细介绍了并查集数据结构及其路径压缩优化技术。并查集用于处理集合合并与查询问题，核心操作包括查找(find)和合并(union)。路径压缩通过在查找过程中将节点直接连接至根节点，有效降低树高，使时间复杂度从O(n)优化至近常数级。文章提供了完整的Java实现代码，包含按秩合并和路径压缩策略，并通过连通性测试验证其正确性。性能对比表明，路径压缩能显著提升查询效率，适合处理大规模数据集。通过理论与代码结合的方式，清晰展示了并查集的优化原理与实践价值。
2025-06-18 14:43:45
786
原创 并查集算法（一）：合并查找
本文深入解析并查集(Union-Find)算法及其Java实现。并查集是一种高效处理不交集合并与查询的数据结构，广泛应用于网络连接、图连通性等问题。文章首先介绍并查集的基本概念与操作(Find和Union)，然后详细讲解两种关键优化技术：路径压缩(减少查找时间)和按秩合并(保持树平衡)。通过完整的Java代码示例，展示了优化后的实现方案，并分析其接近常数时间的优异性能(O(α(n)))。最后探讨了并查集在网络连接、社交网络等场景的应用价值，为处理动态连通性问题提供了有效解决方案。
2025-06-18 14:41:22
859
原创 图算法（七）：图的强连通分量
摘要：本文介绍了有向图中的强连通分量(SCC)概念及其两种主要算法：Tarjan算法和Kosaraju算法。强连通分量是指图中任意两点互相可达的最大子图。Tarjan算法通过单次DFS和low-link值高效识别SCC，时间复杂度为O(V+E)；Kosaraju算法则利用两次DFS（包括对图的转置操作）寻找SCC。文章详细解析了两种算法的实现原理，并提供了完整的Java代码示例。最后比较了两种算法的特点：Tarjan适用于大规模图，空间效率更高；Kosaraju实现更简单但需要额外存储转置图。
2025-06-18 14:37:44
855
原创 图算法（六）：最大流算法
本文深入剖析了最大流算法，包括问题定义、应用场景及主要算法原理，重点讲解了Ford-Fulkerson算法的Java实现。文章通过邻接表存储图结构，采用BFS寻找增广路径，计算源点到汇点的最大流量，示例输出结果为23。同时分析了Ford-Fulkerson、Edmonds-Karp和Dinic算法的时间复杂度，指出Dinic算法在大规模网络中的效率优势。该技术广泛应用于网络流量管理、物流配送等领域，为资源优化问题提供了有效解决方案。
2025-06-18 14:33:54
766
原创 图算法（五）：拓扑排序
本文深入讲解拓扑排序算法及其Java实现。拓扑排序是对有向无环图(DAG)的线性排序，确保每条边的起点在终点前，适用于任务调度、编译优化等场景。文章详细介绍了两种实现方法：基于DFS的递归算法和基于入度的Kahn算法(BFS)，提供了完整的Java代码示例。DFS方法利用栈保存排序结果，Kahn算法通过队列管理入度为0的节点。文章还对两种方法的性能进行比较，指出DFS可能栈溢出，而Kahn算法能检测环结构。最后强调理解算法特点对实际应用的重要性，为读者提供了全面的拓扑排序知识框架。
2025-06-18 14:31:34
832
原创 图算法（四）：最小生成树算法
本文深入解析最小生成树(MST)算法及其Java实现。首先介绍MST的定义和特点，阐述其在网络设计、图像分割等领域的应用。重点对比分析两种经典算法：基于边的Kruskal算法(时间复杂度O(ElogE)，使用并查集)和基于顶点的Prim算法(时间复杂度O(ElogV)，使用优先队列)。文章详细展示了两种算法的Java实现代码，包括Edge类定义、核心逻辑和完整示例。最后从时间复杂度、数据结构和适用场景等方面进行对比，指出Kruskal更适合稀疏图，而Prim更适用于密集图的结论。
2025-06-18 14:29:04
836
原创 图算法（三）：最短路径算法
本文系统介绍了三种常见的最短路径算法：Dijkstra算法适用于无负权边的单源最短路径问题，采用贪心策略，时间复杂度为O((V+E)logV)；Bellman-Ford算法能处理含负权边的情况，通过松弛操作实现，时间复杂度O(V*E)；Floyd-Warshall算法解决多源最短路径问题，采用动态规划，时间复杂度O(V^3)。文章详细阐述了各算法的原理、Java实现代码和应用场景，并对比了它们的优缺点，指出应根据图的特性和问题需求选择合适的算法。这些算法在路由选择、路径规划等实际问题中具有重要应用价值。
2025-06-18 13:52:28
557
原创 图算法（二）：广度优先搜索
《广度优先搜索(BFS)算法解析》摘要： 本文深入剖析图算法中的广度优先搜索(BFS)技术。BFS通过队列实现逐层遍历，时间复杂度O(V+E)，空间复杂度O(V)，擅长解决最短路径、连通性检测等问题。文章详细解析BFS工作原理，提供Java邻接表实现代码，并对比DFS的差异。典型应用包括无权图最短路径、二分图检测等场景，其层次遍历特性确保首次访问即得最优解。通过流程图和代码示例，系统阐释了BFS的核心机制与实践价值，为图算法学习提供实用参考。
2025-06-18 13:48:06
638
原创 图算法（一）：深度优先搜索
本文详细介绍了深度优先搜索(DFS)算法的原理与应用。DFS通过递归或栈实现，优先深入访问节点分支，时间复杂度O(V+E)，空间复杂度O(V)。其典型应用包括路径查找、拓扑排序、连通性判断和环检测等。与广度优先搜索(BFS)相比，DFS更适用于需要深度探索的场景，而BFS更适合最短路径问题。文章提供了DFS的递归和非递归Java实现代码，并对比了两种算法的特点，帮助读者理解其适用场景和技术优势。DFS作为基础的图遍历算法，在计算机科学领域具有重要应用价值。
2025-06-18 13:44:20
1833
原创 回溯算法（五）：旅行商问题 (TSP)
本文详细介绍了使用回溯算法解决旅行商问题(TSP)。TSP是NP-hard问题，目标是找到访问所有城市并返回起始点的最短路径。文章阐述了TSP的数学模型和回溯算法的基本原理，即通过构建解空间树并进行剪枝来减少搜索空间。提供了一个完整的Java实现，包括距离矩阵构建、回溯核心算法和结果分析。该算法时间复杂度为O(n!)，适合小规模问题。文中还探讨了动态规划和启发式算法等优化方向，为大规模问题提供了改进思路。
2025-06-13 09:51:43
733
原创 回溯算法（四）：排列与组合问题
本文探讨回溯算法在排列与组合问题中的应用。回溯算法通过递归遍历解空间树，逐步构造解并在不符合条件时回溯，具有剪枝优化特性。排列问题强调顺序，实现时需标记已用元素，时间复杂度为O(n!)。组合问题不考虑顺序，通过控制起始位置避免重复，时间复杂度为O(C(n,k))。文章提供了Java代码示例，对比了两种问题的特性与实现差异，展现了回溯算法在解决此类问题中的高效性和灵活性。
2025-06-13 09:36:47
731
原创 回溯算法（三）：数独问题
本文详细介绍了使用回溯算法解决数独问题的Java实现方法。数独要求9x9网格中每行、列及3x3子网格均包含1-9不重复数字。回溯算法的核心是通过递归尝试数字填充，遇到冲突即回溯。文章提供了完整的Java代码实现，包括主函数、递归解法和合法性检查，并讨论了优化思路如优先处理选择最少空格和利用候选集。最坏时间复杂度为O(9^(N^2))，空间复杂度为O(N^2)。回溯算法不仅适用于数独，还可解决各类组合问题。
2025-06-13 09:33:12
506
原创 回溯算法（二）：图的着色问题
本文探讨了图的着色问题及其回溯算法实现。图的着色问题要求相邻顶点颜色不同，广泛应用于地图着色、调度问题等领域。回溯算法通过递归尝试所有颜色组合，并在冲突时回退。文章详细介绍了问题定义、回溯算法思想，并提供了Java代码实现示例，包括邻接矩阵表示、安全性检查和递归着色方法。尽管回溯算法能确保找到解，但其时间复杂度为O(m^V)，仅适合小规模图。文章建议大规模问题采用启发式或贪心算法，并提供了进一步学习资源。
2025-06-12 15:00:37
653
原创 回溯算法（一）：N皇后问题
摘要：N皇后问题是一个经典的回溯算法问题，要求在N×N棋盘上放置N个互不攻击的皇后。本文详细介绍了回溯算法框架，包括递归探索、剪枝优化（列和对角线冲突检测）以及Java实现方案。通过标记数组优化后，算法时间复杂度为O(N!)，空间复杂度为O(N!)。文章包含完整代码示例、复杂度分析及解法比较，适合理解回溯算法原理及其在约束满足问题中的应用。该问题展示了如何通过系统尝试和剪枝策略高效搜索解空间。
2025-06-12 14:58:10
566
原创 贪心算法（四）：背包问题
摘要：本文探讨了贪心算法在分数背包问题中的应用。文章首先介绍了背包问题的基本概念，区分了0/1背包和分数背包问题，指出贪心算法适用于后者。重点阐述了贪心策略的核心思想、选择性质及最优子结构特性，并提供了详细的Java实现代码，包括物品排序和选择过程。通过时间复杂度分析（O(nlogn)）和与动态规划的比较，说明贪心算法对可分割物品的有效性。最后总结指出，贪心算法能确保分数背包问题的最优解，为读者提供了解决类似优化问题的参考方案。
2025-06-12 14:55:34
1012
原创 贪心算法（三）：霍夫曼编码
摘要： 霍夫曼编码是一种基于贪心算法的数据压缩技术，通过统计字符频率构建最优二叉树，高频字符分配短编码以实现压缩。其核心步骤包括：计算字符频率、构建最小堆生成霍夫曼树、递归生成前缀编码（左0右1）。Java实现展示了从频率统计到编码输出的完整流程，时间复杂度为O(n + klogk)，空间复杂度O(k)。该算法在文件压缩（如ZIP）中广泛应用，体现了贪心策略“局部最优选择全局最优”的特性，显著提升压缩效率。
2025-06-12 14:52:17
858
原创 贪心算法（二）：最小生成树
本文介绍了最小生成树（MST）的两种经典贪心算法：Kruskal算法和Prim算法。Kruskal算法通过边排序和并查集避免环路，适合稀疏图；Prim算法基于节点扩展，使用优先队列选取最小边，适合稠密图。文章包含算法原理、Java代码实现及复杂度分析，对比了两者的特点和适用场景。最小生成树在网络设计等领域有重要应用，理解这些算法有助于解决实际优化问题。
2025-06-12 14:48:23
884
原创 贪心算法（一）：活动选择问题
本文探讨了贪心算法在活动选择问题中的应用。问题要求在多个有重叠时间的活动中选择最多不冲突的活动。核心策略是按结束时间排序并优先选择最早结束的活动，从而最大化活动数量。文章详细介绍了贪心算法的步骤，提供了Java代码实现示例，并分析了算法的时间复杂度为O(nlogn)。同时对比了动态规划方法，指出贪心算法更高效。文章还探讨了问题的变种（如加权活动选择）和扩展应用。通过具体实例和代码演示，帮助读者深入理解贪心算法在优化问题中的实际应用。
2025-06-12 14:43:46
700
原创 动态规划算法（七）：硬币找零问题
本文介绍了动态规划算法在硬币找零问题中的应用。该问题要求使用最少硬币组合特定金额，若无解则返回-1。文章对比了暴力递归法（时间复杂度O(2^n)）和动态规划法（时间复杂度O(amount*n)）的优劣。通过定义dp数组存储子问题解，动态规划避免了重复计算，显著提升效率。文中提供了Java代码实现，并通过示例分析展示了算法过程。最后指出该方法的变种应用，如组合数问题和限制硬币数量问题。动态规划算法将问题复杂度从指数级降至多项式级，是解决最优化问题的有效方法。
2025-06-12 14:37:05
790
原创 动态规划算法（六）：斐波那契数列
摘要：本文探讨了斐波那契数列的动态规划优化方法。首先介绍了递归解法（时间复杂度O(2^n)），然后引入记忆化递归（O(n)）和自底向上动态规划（O(n)）进行优化，最后提出空间优化版本（O(1)）。通过比较不同方法的时间/空间复杂度，展示了动态规划在算法优化中的重要性。文章用Java代码演示了每种实现方式，并分析了其性能特点，为理解动态规划提供了经典案例。
2025-06-12 14:33:48
1033
原创 Redis与MySQL数据一致性保证：如何实现高效的数据同步与一致性？
本文探讨了Redis与MySQL数据一致性的解决方案。首先分析了Redis作为缓存与MySQL作为持久化存储的不同作用，以及数据不一致的典型场景。然后详细介绍了三种同步机制：主动同步、被动同步和双写一致性，并提供了具体实现方案：1)使用消息队列异步同步数据，通过Java代码展示了Kafka的生产-消费模型实现；2)利用Redisson分布式锁确保缓存更新的原子性。文章还讨论了缓存穿透、雪崩等问题的应对策略，建议采用最终一致性理念来平衡性能与数据准确性。
2025-06-12 14:29:14
761
原创 动态规划算法（五）：编辑距离
在计算机科学中，编辑距离（Edit Distance）是一种衡量两个字符串之间相似度的算法，它通过最少的操作将一个字符串转换成另一个字符串。常见的编辑操作有：插入字符、删除字符和替换字符。编辑距离广泛应用于文本纠错、基因序列比对、语音识别等领域。在本篇文章中，我们将详细介绍编辑距离的定义、使用动态规划算法求解的原理，并通过Java代码实现具体的算法，帮助读者深入理解这一经典的动态规划问题。编辑距离是指通过插入、删除或替换字符将一个字符串转换成另一个字符串所需要的最小操作次数。
2025-06-10 17:50:05
962
1
原创 动态规划算法（四）：最短路径问题
最短路径问题通常是指在一个图中，找到从一个节点到另一个节点的最短路径。图可以是有向图或无向图，边的权重可以是正数、负数或零。本文介绍了动态规划在最短路径问题中的应用，重点讲解了通过 Dijkstra 算法来求解单源最短路径问题。通过 Java 代码示例，展示了如何实现最短路径计算，并与其他经典算法进行了比较。希望这篇文章能够帮助你深入理解最短路径问题及其动态规划解法。
2025-06-10 16:55:15
826
原创 动态规划算法（三）：最长递增子序列
本文深入探讨了动态规划算法在求解最长递增子序列（LIS）问题中的应用。首先介绍了LIS的定义和基本动态规划解法，通过定义dp数组和递推公式实现O(n²)时间复杂度的解决方案。接着提出了性能优化方法，利用二分查找将时间复杂度降至O(nlogn)，通过维护tails数组记录最小尾部元素来实现高效求解。文章对比了两种方法的优缺点，指出基础解法适合小规模数据，而优化算法更适合处理大规模数据。最后强调掌握这些算法对提升面试和实际开发能力的重要性，并推荐了相关延伸阅读资料。
2025-06-10 16:23:57
558
原创 动态规划算法（二）：最长公共子序列
动态规划的核心是定义状态。对于X和Y的最长公共子序列，我们可以定义一个二维数组dp[i][j]dp[i][j]表示X[0..i-1]和Y[0..j-1]的最长公共子序列的长度。本文深入讲解了如何通过动态规划求解最长公共子序列问题。通过定义状态、状态转移方程以及初始条件，我们能够高效地计算出两个字符串的最长公共子序列的长度。通过 Java 代码实现，结合表格展示了问题的解决过程，并且提供了可行的优化方法，如记忆化搜索和空间优化。
2025-06-10 16:20:37
832
原创 动态规划算法（一）：背包问题
背包问题是一类经典的优化问题，涉及如何在给定约束条件下做出最优决策。最常见的背包问题是0-1 背包问题，它可以描述为：给定一个背包，背包有一个容量，有个物品，每个物品都有一个重量 和一个价值，求如何从中选择物品，使得背包的总重量不超过且总价值最大。定义一个二维数组，表示前个物品在背包容量为时能够得到的最大价值。状态转移方程边界条件，表示没有物品时，最大价值为 0。，表示背包容量为 0 时，最大价值为 0。动态规划是一种强大的算法思想，可以有效地解决背包问题及其他许多优化问题。
2025-06-10 16:03:08
913
原创 递归与分治算法（五）：最大子序列和问题
摘要：最大子序列和问题是一个经典算法问题，要求在数组中找到连续子数组的最大和。本文重点介绍了分治算法的解决方案，将问题分解为左半部分、右半部分和跨越中点三个子问题，递归求解后合并结果。通过Java代码展示了实现细节，分析了O(nlogn)的时间复杂度，并与动态规划(O(n))和暴力法(O(n²))进行对比，指出不同算法的适用场景。分治法适用于大规模数据但递归开销较大，而动态规划在时间和空间复杂度上最优。
2025-06-09 17:41:52
981
原创 递归与分治算法（四）：矩阵乘法
矩阵乘法是两个矩阵相乘的过程。设有两个矩阵 A（大小为 m × n）和 B（大小为 n × p），它们的乘积矩阵 C 将是一个 m × p 的矩阵。矩阵 C 的每个元素。
2025-06-09 17:26:46
586
原创 递归与分治算法（三）：汉诺塔问题
汉诺塔问题（Tower of Hanoi）是一个经典的递归问题，通常被用来教导递归的基本思想和算法设计技巧。其背后的数学模型简单，却蕴含着丰富的算法思想，是计算机科学课程中的经典题目之一。本文将深入探讨汉诺塔问题的定义、递归算法的实现过程、时间复杂度分析，并通过Java代码实现对问题进行详细讲解。
2025-06-09 17:09:40
719
原创 递归与分治算法（二）：快速排序
本文深入分析了快速排序算法的原理与实现。作为经典的分治算法，快速排序通过选取基准值将数组划分为子数组进行递归排序。文章详细介绍了算法的核心步骤（基准选择、划分和递归过程），并提供了完整的Java代码实现。同时分析了算法的时间复杂度（最优O(n logn)，最坏O(n²)）和空间复杂度，讨论了随机选择基准、三数取中等优化方案。通过对比表格展示了快速排序较冒泡、插入排序的效率优势，强调其在大规模数据排序中的广泛应用价值。文章最后指出，通过合理优化可避免最坏情况，使快速排序成为实际应用中的首选算法之一。
2025-06-09 17:04:40
806
原创 递归与分治算法（一）：归并排序
归并排序是一种高效的排序算法，它通过分治法有效地将一个无序的数组变得有序。尽管它的空间复杂度相对较高，但其稳定性和 O(n log n) 的时间复杂度使得它在大规模数据排序中具有很大的优势。通过本文的讲解和代码示例，希望读者能够全面理解归并排序的工作原理，并能够根据不同的场景选择合适的排序算法。
2025-06-09 17:01:03
2129
原创 查找算法（四）：跳表
摘要：跳表是一种基于多层链表的高效查找数据结构，通过随机生成的层级索引实现O(logn)的时间复杂度。本文详细解析了跳表的基本原理、操作逻辑（查找/插入/删除）和时间空间复杂度（O(n)），对比其与平衡树的优劣，并通过Java代码实现展示了跳表的完整操作流程。跳表兼具链表灵活性和二分查找效率，适合大规模数据处理的场景，是平衡树的高效替代方案。文中还提供了跳表结构的可视化示例和完整测试代码，帮助读者全面掌握这一数据结构。
2025-06-06 17:31:07
767
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人