您好,登錄后才能下訂單哦!
這篇文章將為大家詳細(xì)講解有關(guān)如何使用Python對(duì)微信好友進(jìn)行數(shù)據(jù)分析,小編覺(jué)得挺實(shí)用的,因此分享給大家做個(gè)參考,希望大家閱讀完這篇文章后可以有所收獲。
1、云計(jì)算,典型應(yīng)用OpenStack。2、WEB前端開(kāi)發(fā),眾多大型網(wǎng)站均為Python開(kāi)發(fā)。3.人工智能應(yīng)用,基于大數(shù)據(jù)分析和深度學(xué)習(xí)而發(fā)展出來(lái)的人工智能本質(zhì)上已經(jīng)無(wú)法離開(kāi)python。4、系統(tǒng)運(yùn)維工程項(xiàng)目,自動(dòng)化運(yùn)維的標(biāo)配就是python+Django/flask。5、金融理財(cái)分析,量化交易,金融分析。6、大數(shù)據(jù)分析。
只有登錄微信才能獲取到微信好友的信息,本文采用wxpy該第三方庫(kù)進(jìn)行微信的登錄以及信息的獲取。
wxpy 在 itchat 的基礎(chǔ)上,通過(guò)大量接口優(yōu)化提升了模塊的易用性,并進(jìn)行豐富的功能擴(kuò)展。
wxpy一些常見(jiàn)的場(chǎng)景:
?控制路由器、智能家居等具有開(kāi)放接口的玩意兒
?運(yùn)行腳本時(shí)自動(dòng)把日志發(fā)送到你的微信
?加群主為好友,自動(dòng)拉進(jìn)群中
?跨號(hào)或跨群轉(zhuǎn)發(fā)消息
?自動(dòng)陪人聊天
?逗人玩
總而言之,可用來(lái)實(shí)現(xiàn)各種微信個(gè)人號(hào)的自動(dòng)化操作。
wxpy 支持 Python 3.4-3.6,以及 2.7 版本
將下方命令中的 “pip” 替換為 “pip3” 或 “pip2”,可確保安裝到對(duì)應(yīng)的 Python 版本中
1.從 PYPI 官方源下載安裝 (在國(guó)內(nèi)可能比較慢或不穩(wěn)定):
pip install -U wxpy1
1.從豆瓣 PYPI 鏡像源下載安裝 (推薦國(guó)內(nèi)用戶(hù)選用):
pip install -U wxpy -i "https://pypi.doubanio.com/simple/"1
wxpy中有一個(gè)機(jī)器人對(duì)象,機(jī)器人 Bot 對(duì)象可被理解為一個(gè) Web 微信客戶(hù)端。Bot 在初始化時(shí)便會(huì)執(zhí)行登陸操作,需要手機(jī)掃描登陸。
通過(guò)機(jī)器人對(duì)象 Bot 的 chats(), friends(),groups(), mps() 方法, 可分別獲取到當(dāng)前機(jī)器人的 所有聊天對(duì)象、好友、群聊,以及公眾號(hào)列表。
本文主要通過(guò)friends()獲取到所有好友信息,然后進(jìn)行數(shù)據(jù)的處理。
from wxpy import * # 初始化機(jī)器人,掃碼登陸 bot = Bot() # 獲取所有好友 my_friends = bot.friends() print(type(my_friends))
以下為輸出消息:
Getting uuid of QR code.
Downloading QR code.
Please scan the QR code to log in.
Please press confirm on your phone.
Loading the contact, this may take a little while.
<Login successfully as 王強(qiáng)?>
<class 'wxpy.api.chats.chats.Chats'>
wxpy.api.chats.chats.Chats對(duì)象是多個(gè)聊天對(duì)象的合集,可用于搜索或統(tǒng)計(jì),可以搜索和統(tǒng)計(jì)的信息包括sex(性別)、province(省份)、city(城市)和signature(個(gè)性簽名)等。
使用一個(gè)字典sex_dict來(lái)統(tǒng)計(jì)好友中男性和女性的數(shù)量。
# 使用一個(gè)字典統(tǒng)計(jì)好友男性和女性的數(shù)量 sex_dict = {'male': 0, 'female': 0} for friend in my_friends: # 統(tǒng)計(jì)性別 if friend.sex == 1: sex_dict['male'] += 1 elif friend.sex == 2: sex_dict['female'] += 1 print(sex_dict)
以下為輸出結(jié)果:
{'male': 255, 'female': 104}
本文采用 ECharts餅圖 進(jìn)行數(shù)據(jù)的呈現(xiàn),打開(kāi)鏈接http://echarts.baidu.com/echarts2/doc/example/pie1.html,可以看到如下內(nèi)容:
1、echarts餅圖原始內(nèi)容
從圖中可以看到左側(cè)為數(shù)據(jù),右側(cè)為呈現(xiàn)的數(shù)據(jù)圖,其他的形式的圖也是這種左右結(jié)構(gòu)??匆幌伦筮叺臄?shù)據(jù):
option = { title : { text: '某站點(diǎn)用戶(hù)訪(fǎng)問(wèn)來(lái)源', subtext: '純屬虛構(gòu)', x:'center' }, tooltip : { trigger: 'item', formatter: "{a} <br/> : {c} (orc0eah%)" }, legend: { orient : 'vertical', x : 'left', data:['直接訪(fǎng)問(wèn)','郵件營(yíng)銷(xiāo)','聯(lián)盟廣告','視頻廣告','搜索引擎'] }, toolbox: { show : true, feature : { mark : {show: true}, dataView : {show: true, readOnly: false}, magicType : { show: true, type: ['pie', 'funnel'], option: { funnel: { x: '25%', width: '50%', funnelAlign: 'left', max: 1548 } } }, restore : {show: true}, saveAsImage : {show: true} } }, calculable : true, series : [ { name:'訪(fǎng)問(wèn)來(lái)源', type:'pie', radius : '55%', center: ['50%', '60%'], data:[ {value:335, name:'直接訪(fǎng)問(wèn)'}, {value:310, name:'郵件營(yíng)銷(xiāo)'}, {value:234, name:'聯(lián)盟廣告'}, {value:135, name:'視頻廣告'}, {value:1548, name:'搜索引擎'} ] } ] };
可以看到option =后面的大括號(hào)里是JSON格式的數(shù)據(jù),接下來(lái)分析一下各項(xiàng)數(shù)據(jù):
?title:標(biāo)題
?text:標(biāo)題內(nèi)容
?subtext:子標(biāo)題
?x:標(biāo)題位置
?tooltip:提示,將鼠標(biāo)放到餅狀圖上就可以看到提示
?legend:圖例
?orient:方向
?x:圖例位置
?data:圖例內(nèi)容
?toolbox:工具箱,在餅狀圖右上方橫向排列的圖標(biāo)
?mark:輔助線(xiàn)開(kāi)關(guān)
?dataView:數(shù)據(jù)視圖,點(diǎn)擊可以查看餅狀圖數(shù)據(jù)
?magicType:餅圖(pie)切換和漏斗圖(funnel)切換
?restore:還原
?saveAsImage:保存為圖片
?calculable:暫時(shí)不知道它有什么用
?series:主要數(shù)據(jù)
?data:呈現(xiàn)的數(shù)據(jù)
其它類(lèi)型的圖數(shù)據(jù)格式類(lèi)似,后面不再詳細(xì)分析。只需要修改data、l**egend->data**、series->data即可,修改后的數(shù)據(jù)為:
option = { title : { text: '微信好友性別比例', subtext: '真實(shí)數(shù)據(jù)', x:'center' }, tooltip : { trigger: 'item', formatter: "{a} <br/> : {c} (ntfww16%)" }, legend: { orient : 'vertical', x : 'left', data:['男性','女性'] }, toolbox: { show : true, feature : { mark : {show: true}, dataView : {show: true, readOnly: false}, magicType : { show: true, type: ['pie', 'funnel'], option: { funnel: { x: '25%', width: '50%', funnelAlign: 'left', max: 1548 } } }, restore : {show: true}, saveAsImage : {show: true} } }, calculable : true, series : [ { name:'訪(fǎng)問(wèn)來(lái)源', type:'pie', radius : '55%', center: ['50%', '60%'], data:[ {value:255, name:'男性'}, {value:104, name:'女性'} ] } ] };
數(shù)據(jù)修改完成后,點(diǎn)擊頁(yè)面中綠色的刷新按鈕,可以得到餅圖如下(可以根據(jù)自己的喜好修改主題):
2、好友性別比例
將鼠標(biāo)放到餅圖上可以看到詳細(xì)數(shù)據(jù):
3、好友性別比例查看數(shù)據(jù)
3、微信好友全國(guó)分布圖
# 使用一個(gè)字典統(tǒng)計(jì)各省好友數(shù)量 province_dict = {'北京': 0, '上海': 0, '天津': 0, '重慶': 0, '河北': 0, '山西': 0, '吉林': 0, '遼寧': 0, '黑龍江': 0, '陜西': 0, '甘肅': 0, '青海': 0, '山東': 0, '福建': 0, '浙江': 0, '臺(tái)灣': 0, '河南': 0, '湖北': 0, '湖南': 0, '江西': 0, '江蘇': 0, '安徽': 0, '廣東': 0, '海南': 0, '四川': 0, '貴州': 0, '云南': 0, '內(nèi)蒙古': 0, '新疆': 0, '寧夏': 0, '廣西': 0, '西藏': 0, '香港': 0, '澳門(mén)': 0} # 統(tǒng)計(jì)省份 for friend in my_friends: if friend.province in province_dict.keys(): province_dict[friend.province] += 1 # 為了方便數(shù)據(jù)的呈現(xiàn),生成JSON Array格式數(shù)據(jù) data = [] for key, value in province_dict.items(): data.append({'name': key, 'value': value}) print(data)
以下為輸出結(jié)果:
[{'name': '北京', 'value': 91}, {'name': '上海', 'value': 12}, {'name': '天津', 'value': 15}, {'name': '重慶', 'value': 1}, {'name': '河北', 'value': 53}, {'name': '山西', 'value': 2}, {'name': '吉林', 'value': 1}, {'name': '遼寧', 'value': 1}, {'name': '黑龍江', 'value': 2}, {'name': '陜西', 'value': 3}, {'name': '甘肅', 'value': 0}, {'name': '青海', 'value': 0}, {'name': '山東', 'value': 7}, {'name': '福建', 'value': 3}, {'name': '浙江', 'value': 4}, {'name': '臺(tái)灣', 'value': 0}, {'name': '河南', 'value': 1}, {'name': '湖北', 'value': 4}, {'name': '湖南', 'value': 4}, {'name': '江西', 'value': 4}, {'name': '江蘇', 'value': 9}, {'name': '安徽', 'value': 2}, {'name': '廣東', 'value': 63}, {'name': '海南', 'value': 0}, {'name': '四川', 'value': 2}, {'name': '貴州', 'value': 0}, {'name': '云南', 'value': 1}, {'name': '內(nèi)蒙古', 'value': 0}, {'name': '新疆', 'value': 2}, {'name': '寧夏', 'value': 0}, {'name': '廣西', 'value': 1}, {'name': '西藏', 'value': 0}, {'name': '香港', 'value': 0}, {'name': '澳門(mén)', 'value': 0}]
可以看出,好友最多的省份為北京。那么問(wèn)題來(lái)了:為什么要把數(shù)據(jù)重組成這種格式?因?yàn)镋Charts的地圖需要這種格式的數(shù)據(jù)。
采用ECharts地圖 來(lái)進(jìn)行好友分布的數(shù)據(jù)呈現(xiàn)。打開(kāi)該網(wǎng)址,將左側(cè)數(shù)據(jù)修改為:
option = { title : { text: '微信好友全國(guó)分布圖', subtext: '真實(shí)數(shù)據(jù)', x:'center' }, tooltip : { trigger: 'item' }, legend: { orient: 'vertical', x:'left', data:['好友數(shù)量'] }, dataRange: { min: 0, max: 100, x: 'left', y: 'bottom', text:['高','低'], // 文本,默認(rèn)為數(shù)值文本 calculable : true }, toolbox: { show: true, orient : 'vertical', x: 'right', y: 'center', feature : { mark : {show: true}, dataView : {show: true, readOnly: false}, restore : {show: true}, saveAsImage : {show: true} } }, roamController: { show: true, x: 'right', mapTypeControl: { 'china': true } }, series : [ { name: '好友數(shù)量', type: 'map', mapType: 'china', roam: false, itemStyle:{ normal:{label:{show:true}}, emphasis:{label:{show:true}} }, data:[ {'name': '北京', 'value': 91}, {'name': '上海', 'value': 12}, {'name': '天津', 'value': 15}, {'name': '重慶', 'value': 1}, {'name': '河北', 'value': 53}, {'name': '山西', 'value': 2}, {'name': '吉林', 'value': 1}, {'name': '遼寧', 'value': 1}, {'name': '黑龍江', 'value': 2}, {'name': '陜西', 'value': 3}, {'name': '甘肅', 'value': 0}, {'name': '青海', 'value': 0}, {'name': '山東', 'value': 7}, {'name': '福建', 'value': 3}, {'name': '浙江', 'value': 4}, {'name': '臺(tái)灣', 'value': 0}, {'name': '河南', 'value': 1}, {'name': '湖北', 'value': 4}, {'name': '湖南', 'value': 4}, {'name': '江西', 'value': 4}, {'name': '江蘇', 'value': 9}, {'name': '安徽', 'value': 2}, {'name': '廣東', 'value': 63}, {'name': '海南', 'value': 0}, {'name': '四川', 'value': 2}, {'name': '貴州', 'value': 0}, {'name': '云南', 'value': 1}, {'name': '內(nèi)蒙古', 'value': 0}, {'name': '新疆', 'value': 2}, {'name': '寧夏', 'value': 0}, {'name': '廣西', 'value': 1}, {'name': '西藏', 'value': 0}, {'name': '香港', 'value': 0}, {'name': '澳門(mén)', 'value': 0} ] } ] };
注意兩點(diǎn):
?dataRange->max 根據(jù)統(tǒng)計(jì)數(shù)據(jù)適當(dāng)調(diào)整
?series->data 的數(shù)據(jù)格式
點(diǎn)擊刷新按鈕后,可以生成如下地圖:
4、好友全國(guó)分布圖
從圖中可以看出我的好友主要分布在北京、河北和廣東。
有趣的是,地圖左邊有一個(gè)滑塊,代表地圖數(shù)據(jù)的范圍,我們將上邊的滑塊拉到最下面可以看到?jīng)]有微信好友分布的省份:
5、沒(méi)有微信好友的省份
按照這個(gè)思路,我們可以在地圖上看到確切數(shù)量好友分布的省份,讀者可以動(dòng)手試試。
def write_txt_file(path, txt): ''' 寫(xiě)入txt文本 ''' with open(path, 'a', encoding='gb18030', newline='') as f: f.write(txt) # 統(tǒng)計(jì)簽名 for friend in my_friends: # 對(duì)數(shù)據(jù)進(jìn)行清洗,將標(biāo)點(diǎn)符號(hào)等對(duì)詞頻統(tǒng)計(jì)造成影響的因素剔除 pattern = re.compile(r'[一-龥](méi)+') filterdata = re.findall(pattern, friend.signature) write_txt_file('signatures.txt', ''.join(filterdata))
上面代碼實(shí)現(xiàn)了對(duì)好友簽名進(jìn)行清洗以及保存的功能,執(zhí)行完成之后會(huì)在當(dāng)前目錄生成signatures.txt文件。
數(shù)據(jù)呈現(xiàn)采用詞頻統(tǒng)計(jì)和詞云展示,通過(guò)詞頻可以了解到微信好友的生活態(tài)度。
詞頻統(tǒng)計(jì)用到了 jieba、numpy、pandas、scipy、wordcloud庫(kù)。如果電腦上沒(méi)有這幾個(gè)庫(kù),執(zhí)行安裝指令:
?pip install jieba
?pip install pandas
?pip install numpy
?pip install scipy
?pip install wordcloud
4.2.1 讀取txt文件
前面已經(jīng)將好友簽名保存到txt文件里了,現(xiàn)在我們將其讀出:
def read_txt_file(path): ''' 讀取txt文本 ''' with open(path, 'r', encoding='gb18030', newline='') as f: return f.read()
4.2.2 stop word
下面引入一個(gè)概念:stop word, 在網(wǎng)站里面存在大量的常用詞比如:“在”、“里面”、“也”、“的”、“它”、“為”這些詞都是停止詞。這些詞因?yàn)槭褂妙l率過(guò)高,幾乎每個(gè)網(wǎng)頁(yè)上都存在,所以搜索引擎開(kāi)發(fā)人員都將這一類(lèi)詞語(yǔ)全部忽略掉。如果我們的網(wǎng)站上存在大量這樣的詞語(yǔ),那么相當(dāng)于浪費(fèi)了很多資源。
在百度搜索stpowords.txt進(jìn)行下載,放到py文件同級(jí)目錄。
content = read_txt_file(txt_filename) segment = jieba.lcut(content) words_df=pd.DataFrame({'segment':segment}) stopwords=pd.read_csv("stopwords.txt",index_col=False,quoting=3,sep=" ",names=['stopword'],encoding='utf-8') words_df=words_df[~words_df.segment.isin(stopwords.stopword)]
4.2.3 詞頻統(tǒng)計(jì)
重頭戲來(lái)了,詞頻統(tǒng)計(jì)使用numpy:
import numpy words_stat = words_df.groupby(by=['segment'])['segment'].agg({"計(jì)數(shù)":numpy.size}) words_stat = words_stat.reset_index().sort_values(by=["計(jì)數(shù)"],ascending=False)
4.2.4 詞頻可視化:詞云
詞頻統(tǒng)計(jì)雖然出來(lái)了,可以看出排名,但是不完美,接下來(lái)我們將它可視化。使用到wordcloud庫(kù),詳細(xì)介紹見(jiàn) github 。
from scipy.misc import imread from wordcloud import WordCloud, ImageColorGenerator # 設(shè)置詞云屬性 color_mask = imread('background.jfif') wordcloud = WordCloud(font_path="simhei.ttf", # 設(shè)置字體可以顯示中文 background_color="white", # 背景顏色 max_words=100, # 詞云顯示的最大詞數(shù) mask=color_mask, # 設(shè)置背景圖片 max_font_size=100, # 字體最大值 random_state=42, width=1000, height=860, margin=2,# 設(shè)置圖片默認(rèn)的大小,但是如果使用背景圖片的話(huà), # 那么保存的圖片大小將會(huì)按照其大小保存,margin為詞語(yǔ)邊緣距離 ) # 生成詞云, 可以用generate輸入全部文本,也可以我們計(jì)算好詞頻后使用generate_from_frequencies函數(shù) word_frequence = {x[0]:x[1]for x in words_stat.head(100).values} print(word_frequence) word_frequence_dict = {} for key in word_frequence: word_frequence_dict[key] = word_frequence[key] wordcloud.generate_from_frequencies(word_frequence_dict) # 從背景圖片生成顏色值 image_colors = ImageColorGenerator(color_mask) # 重新上色 wordcloud.recolor(color_func=image_colors) # 保存圖片 wordcloud.to_file('output.png') plt.imshow(wordcloud) plt.axis("off") plt.show()
運(yùn)行效果圖如下(左圖為背景圖,右圖為生成詞云圖片):
6、背景圖和詞云圖對(duì)比
從詞云圖可以分析好友特點(diǎn):
?做——————–行動(dòng)派
?人生、生活——–熱愛(ài)生活
?快樂(lè)—————–樂(lè)觀
?選擇—————–決斷
?專(zhuān)業(yè)—————–專(zhuān)業(yè)
?愛(ài)——————–愛(ài)
至此,微信好友的分析工作已經(jīng)完成,wxpy的功能還有很多,比如聊天、查看公眾號(hào)信息等,有意的讀者請(qǐng)自行查閱官方文檔。
上面的代碼比較松散,下面展示的完整代碼我將各功能模塊封裝成函數(shù):
#-*- coding: utf-8 -*- import re from wxpy import * import jieba import numpy import pandas as pd import matplotlib.pyplot as plt from scipy.misc import imread from wordcloud import WordCloud, ImageColorGenerator def write_txt_file(path, txt): ''' 寫(xiě)入txt文本 ''' with open(path, 'a', encoding='gb18030', newline='') as f: f.write(txt) def read_txt_file(path): ''' 讀取txt文本 ''' with open(path, 'r', encoding='gb18030', newline='') as f: return f.read() def login(): # 初始化機(jī)器人,掃碼登陸 bot = Bot() # 獲取所有好友 my_friends = bot.friends() print(type(my_friends)) return my_friends def show_sex_ratio(friends): # 使用一個(gè)字典統(tǒng)計(jì)好友男性和女性的數(shù)量 sex_dict = {'male': 0, 'female': 0} for friend in friends: # 統(tǒng)計(jì)性別 if friend.sex == 1: sex_dict['male'] += 1 elif friend.sex == 2: sex_dict['female'] += 1 print(sex_dict) def show_area_distribution(friends): # 使用一個(gè)字典統(tǒng)計(jì)各省好友數(shù)量 province_dict = {'北京': 0, '上海': 0, '天津': 0, '重慶': 0, '河北': 0, '山西': 0, '吉林': 0, '遼寧': 0, '黑龍江': 0, '陜西': 0, '甘肅': 0, '青海': 0, '山東': 0, '福建': 0, '浙江': 0, '臺(tái)灣': 0, '河南': 0, '湖北': 0, '湖南': 0, '江西': 0, '江蘇': 0, '安徽': 0, '廣東': 0, '海南': 0, '四川': 0, '貴州': 0, '云南': 0, '內(nèi)蒙古': 0, '新疆': 0, '寧夏': 0, '廣西': 0, '西藏': 0, '香港': 0, '澳門(mén)': 0} # 統(tǒng)計(jì)省份 for friend in friends: if friend.province in province_dict.keys(): province_dict[friend.province] += 1 # 為了方便數(shù)據(jù)的呈現(xiàn),生成JSON Array格式數(shù)據(jù) data = [] for key, value in province_dict.items(): data.append({'name': key, 'value': value}) print(data) def show_signature(friends): # 統(tǒng)計(jì)簽名 for friend in friends: # 對(duì)數(shù)據(jù)進(jìn)行清洗,將標(biāo)點(diǎn)符號(hào)等對(duì)詞頻統(tǒng)計(jì)造成影響的因素剔除 pattern = re.compile(r'[一-龥](méi)+') filterdata = re.findall(pattern, friend.signature) write_txt_file('signatures.txt', ''.join(filterdata)) # 讀取文件 content = read_txt_file('signatures.txt') segment = jieba.lcut(content) words_df = pd.DataFrame({'segment':segment}) # 讀取stopwords stopwords = pd.read_csv("stopwords.txt",index_col=False,quoting=3,sep=" ",names=['stopword'],encoding='utf-8') words_df = words_df[~words_df.segment.isin(stopwords.stopword)] print(words_df) words_stat = words_df.groupby(by=['segment'])['segment'].agg({"計(jì)數(shù)":numpy.size}) words_stat = words_stat.reset_index().sort_values(by=["計(jì)數(shù)"],ascending=False) # 設(shè)置詞云屬性 color_mask = imread('background.jfif') wordcloud = WordCloud(font_path="simhei.ttf", # 設(shè)置字體可以顯示中文 background_color="white", # 背景顏色 max_words=100, # 詞云顯示的最大詞數(shù) mask=color_mask, # 設(shè)置背景圖片 max_font_size=100, # 字體最大值 random_state=42, width=1000, height=860, margin=2,# 設(shè)置圖片默認(rèn)的大小,但是如果使用背景圖片的話(huà), # 那么保存的圖片大小將會(huì)按照其大小保存,margin為詞語(yǔ)邊緣距離 ) # 生成詞云, 可以用generate輸入全部文本,也可以我們計(jì)算好詞頻后使用generate_from_frequencies函數(shù) word_frequence = {x[0]:x[1]for x in words_stat.head(100).values} print(word_frequence) word_frequence_dict = {} for key in word_frequence: word_frequence_dict[key] = word_frequence[key] wordcloud.generate_from_frequencies(word_frequence_dict) # 從背景圖片生成顏色值 image_colors = ImageColorGenerator(color_mask) # 重新上色 wordcloud.recolor(color_func=image_colors) # 保存圖片 wordcloud.to_file('output.png') plt.imshow(wordcloud) plt.axis("off") plt.show() def main(): friends = login() show_sex_ratio(friends) show_area_distribution(friends) show_signature(friends) if __name__ == '__main__': main()
關(guān)于“如何使用Python對(duì)微信好友進(jìn)行數(shù)據(jù)分析”這篇文章就分享到這里了,希望以上內(nèi)容可以對(duì)大家有一定的幫助,使各位可以學(xué)到更多知識(shí),如果覺(jué)得文章不錯(cuò),請(qǐng)把它分享出去讓更多的人看到。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。