SQL语句（四）——项目中特定要求SQL语句总汇

ゞ浴缸里的玫瑰 2022-05-09 18:10 436阅读 0赞

### 一、要求：查询massage表下的content字段内容（第一个字符到第10个字符） ###

使用需求：新闻信息内容等字符串非常长的时候，要进行信息列表预览，不需要展示全部内容。  
如图所示：  
![在这里插入图片描述][70]

select substring(content,1,10) as content from massage

sql执行结果：  
![在这里插入图片描述][70 1]

### 二、在数据库表中随机抽取n条数据 ###

使用需求：随机推荐等随机问题可以使用  
随机抽取5条数据

select * from table order by rand() limit 5;

### 三、sql语句中进行判断 ###

使用需求：**表中有a、b、c三列，取三列中最小的**

select (case when a>b then a else b end) FROM abc

建议 as xxx 方便拿值

select case when a>b then a else b end as name FROM abc

使用语句：IF(expr1,expr2,expr3)  
expr1 是TRUE (expr1 <> 0 and expr1 <> NULL)，则 IF()的返回值为expr2; 否则返回值则为 expr3

select IF(a<b,a,IF(b<c,b,c)) 
     from abc

在补充个知识点  
**IFNULL(expr1,expr2)**  
假如expr1 不为 NULL，则 IFNULL() 的返回值为 expr1; 否则其返回值为 expr2。IFNULL()的返回值是数字或是字符串，具体情况取决于其所使用的语境。

## 四、分类统计数量sql ##

如表中type字段有n种值，分别统计n种值的数据数量。

select count(*) as count,type from user group by type

@Query(nativeQuery=true,value="select status,count(*) as num from c_apply_equity_fund_info GROUP BY status")
    	public List<Object> findGroupByStatus();

### 案例： ###

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0lNYW5peQ_size_16_color_FFFFFF_t_70]  
需要查询到数据如下：  
![在这里插入图片描述][2020120211303231.png]

#### 第一种连表统计查询SQL： ####

SELECT 
                a.deptName,
                ( SELECT COUNT( 1 ) AS hig FROM c_risk_occur b WHERE b.riskLevel = '高' AND b.deptName = a.deptName ) AS hig,
                ( SELECT COUNT( 1 ) AS med FROM c_risk_occur b WHERE b.riskLevel = '中' AND b.deptName = a.deptName ) AS med,
                ( SELECT COUNT( 1 ) AS low FROM c_risk_occur b WHERE b.riskLevel = '低' AND b.deptName = a.deptName ) AS low 
                FROM 
                c_risk_occur a 
                GROUP BY 
                deptName ORDER BY deptName

#### 第二种判断求和SQL（通过判断把一条数据根据是否满足条件 变为0或1，再计算） ####

SELECT
    	deptName,
    	SUM( CASE WHEN riskLevel = '高' THEN 1 ELSE 0 END ) AS hig,
    	SUM( CASE WHEN riskLevel = '中' THEN 1 ELSE 0 END ) AS med,
    	SUM( CASE WHEN riskLevel = '低' THEN 1 ELSE 0 END ) AS low 
    FROM
    	c_risk_occur 
    GROUP BY
    	deptName

###### 运行速度：第一种 远小于 第二种 ######

数据800条，第一种 1.5s ，第二种 0.09s

## 五、项目表数据+其下面的模块表分数字段的平均值 ##

如：一个项目表下面有4个模块，模块中的分数分别为60,50,89,53,要实现的样子是  
项目表字段+平均分字段

select n.*,m.avgscore from (select  a.id,avg(b.grade) as avgscore  from project a left join supervision b on a.id=b.project_id where  b.status=1 GROUP BY a.id) m left join project n  on m.id=n.id;

![在这里插入图片描述][20190605182833544.png]  
简单的求平均值：

select  avg(grade) as avgscore from c_process_supervision where status=1 group by PROJECT_ID

## 六、十行数据尽量均分为三组 ##

###### SQL Server NTILE()函数 ######

SELECT 
     v, 
     NTILE (3) OVER (
     ORDER BY v
     ) buckets
    FROM 
     sales.ntile_demo

SQL Server NTILE()函数简介SQL Server NTILE()是一个窗口函数，它将有序分区的行分配到指定数量的大致相等的组或桶中。 它从一个开始为每个组分配一个桶号。 对于组中的每一行，NTILE()函数分配一个桶号，表示该行所属的组。

NTILE()函数的语法如下：
    NTILE(buckets) OVER (
        [PARTITION BY partition_expression, ... ]
        ORDER BY sort_expression [ASC | DESC], ...
    )

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0lNYW5peQ_size_16_color_FFFFFF_t_70 1]  
SQL  
在上面语法中，

buckets - 行划分的桶数。 存储桶可以是表达式或子查询，其计算结果为正整数。 它不能是一个窗口功能。PARTITION BY子句将结果集的行分配到应用了NTILE()函数的分区中。ORDER BY子句指定应用NTILE()的每个分区中行的逻辑顺序。  
如果行数不能被桶整除，则NTILE()函数返回两个大小的组，它们的差值为1。 较大的组总是按照OVER()子句中ORDER BY指定的顺序位于较小的组之前。  
另一方面，如果行的总数可以被桶整除，则该函数在桶之间均匀地划分行。

#### java算法实现NTILE()函数 ####

//尽量均分
      public static int[] matchExpert2(int total,int count){
            int anArray[] =  new int[count];
            if(total % count == 0){
                int recordExpert = total / count;
    
                for(int expertNum:anArray){
                    expertNum = recordExpert;
                    System.out.println(expertNum);
                }
            }else {
                int recordCount1 = (total / count)+1;
                int n=0;//n表示组中记录数为recordCount1的最大专家数.
                int m=recordCount1*n;
                while (((total-m) % (count -n )) !=0){
    
    
                    n++;
                    m=recordCount1*n;
                    anArray[n-1] = recordCount1;
                    System.out.println(recordCount1);
                }
                int recordCount2 = (total - m) /(count-n);
    
                for (int i=n;i <count;i++){
                    anArray[i] = recordCount2;
                    System.out.println(recordCount2);
                }
                //将前n个组的记录数设为recordCount1.
                //将n+1个至后面所有组的记录数设为recordCount2.
            }
            System.out.println(Arrays.toString(anArray));
            return  anArray;
        }

## 七、数据库随机应用——sql server的随机函数newID()和RAND() ##

#### 随机函数newID() ####

SELECT \* FROM user ORDER BY NEWID()  
–随机排序

SELECT TOP 10 \* FROM user ORDER BY NEWID()  
–从Orders表中随机取出10条记录

#### 随机函数：rand() ####

1、  
A：select floor(rand()\*N) —生成的数是这样的：12.0  
B：select cast( floor(rand()\*N) as int) —生成的数是这样的：12

2、  
A：select ceiling(rand() \* N) —生成的数是这样的：12.0  
B：select cast(ceiling(rand() \* N) as int) —生成的数是这样的：12

其中里面的N是一个你指定的整数，如100，可以看出，两种方法的A方法是带有.0这个的小数的，而B方法就是真正的整数了。  
大致一看，这两种方法没什么区别，真的没区别？其实是有一点的，那就是他们的生成随机数的范围：  
方法1的数字范围：0至N-1之间，如cast( floor(rand()\*100) as int)就会生成0至99之间任一整数  
方法2的数字范围：1至N之间，如cast(ceiling(rand() \* 100) as int)就会生成1至100之间任一整数

## 八、查出每门课都大于60的学生的姓名 ##

![在这里插入图片描述][2019092916230534.png]

select name from score group by name having min(sco)>=60

查询平均分大于80的学生姓名

select name from score1 GROUP BY name having avg(sco)>80

## 九、TO\_DAYS函数来比较时间 ##

select * from lito where to_days(now())-to_days(create_time)<1

## 十、 mysql 查询当天、本周，本月，上一个月的数据 ##

今天

select * from 表名 where to_days(时间字段名) = to_days(now());

昨天

SELECT * FROM 表名 WHERE TO_DAYS( NOW( ) ) - TO_DAYS( 时间字段名) <= 1

近7天

SELECT * FROM 表名 where DATE_SUB(CURDATE(), INTERVAL 7 DAY) <= date(时间字段名)

近30天

SELECT * FROM 表名 where DATE_SUB(CURDATE(), INTERVAL 30 DAY) <= date(时间字段名)

本月

SELECT * FROM 表名 WHERE DATE_FORMAT( 时间字段名, '%Y%m' ) = DATE_FORMAT( CURDATE( ) , '%Y%m' )

上一月

SELECT * FROM 表名 WHERE PERIOD_DIFF( date_format( now( ) , '%Y%m' ) , date_format( 时间字段名, '%Y%m' ) ) =1

查询本季度数据

select * from `ht_invoice_information` where QUARTER(create_date)=QUARTER(now());

查询上季度数据

select * from `ht_invoice_information` where QUARTER(create_date)=QUARTER(DATE_SUB(now(),interval 1 QUARTER));

查询本年数据

select * from `ht_invoice_information` where YEAR(create_date)=YEAR(NOW());

查询上年数据

select * from `ht_invoice_information` where year(create_date)=year(date_sub(now(),interval 1 year));

查询当前这周的数据

SELECT name,submittime FROM enterprise WHERE YEARWEEK(date_format(submittime,'%Y-%m-%d')) = YEARWEEK(now());

查询上周的数据

SELECT name,submittime FROM enterprise WHERE YEARWEEK(date_format(submittime,'%Y-%m-%d')) = YEARWEEK(now())-1;

查询上个月的数据

select name,submittime from enterprise where date_format(submittime,'%Y-%m')=date_format(DATE_SUB(curdate(), INTERVAL 1 MONTH),'%Y-%m')
    
    select * from user where DATE_FORMAT(pudate,'%Y%m') = DATE_FORMAT(CURDATE(),'%Y%m') ; 
    
    select * from user where WEEKOFYEAR(FROM_UNIXTIME(pudate,'%y-%m-%d')) = WEEKOFYEAR(now()) 
    
    select * from user where MONTH(FROM_UNIXTIME(pudate,'%y-%m-%d')) = MONTH(now()) 
    
    select * from user where YEAR(FROM_UNIXTIME(pudate,'%y-%m-%d')) = YEAR(now()) and MONTH(FROM_UNIXTIME(pudate,'%y-%m-%d')) = MONTH(now()) 
    
    select * from user where pudate between  上月最后一天  and 下月第一天

查询当前月份的数据

select name,submittime from enterprise   where date_format(submittime,'%Y-%m')=date_format(now(),'%Y-%m')

查询距离当前现在6个月的数据

select name,submittime from enterprise where submittime between date_sub(now(),interval 6 month) and now();

##### SQL server判断是否本年度 #####

select count(*) from C_PROJECT_APPLY_FLOW where datediff(year,createTime,2019)=0

##### SQL server当前时间 #####

DATEPART(YYYY,GETDATE())

##### SQL server 格式化时间 #####

###### convert(varchar(10),字段名,转换格式) ######

SELECT CONVERT(varchar(100), GETDATE(), 0): 05 16 2011 10:57AM  
SELECT CONVERT(varchar(100), GETDATE(), 1): 05/16/11

SELECT CONVERT(varchar(100), GETDATE(), 2): 11.05.16  
SELECT CONVERT(varchar(100), GETDATE(), 3): 16/05/11

SELECT CONVERT(varchar(100), GETDATE(), 4): 16.05.11  
SELECT CONVERT(varchar(100), GETDATE(), 5): 16-05-11  
SELECT CONVERT(varchar(100), GETDATE(), 6): 16 05 11  
SELECT CONVERT(varchar(100), GETDATE(), 7): 05 16, 11  
SELECT CONVERT(varchar(100), GETDATE(), 8): 10:57:46  
SELECT CONVERT(varchar(100), GETDATE(), 9): 05 16 2011 10:57:46:827AM  
SELECT CONVERT(varchar(100), GETDATE(), 10): 05-16-11  
SELECT CONVERT(varchar(100), GETDATE(), 11): 11/05/16  
SELECT CONVERT(varchar(100), GETDATE(), 12): 110516  
SELECT CONVERT(varchar(100), GETDATE(), 13): 16 05 2011 10:57:46:937  
SELECT CONVERT(varchar(100), GETDATE(), 14): 10:57:46:967  
SELECT CONVERT(varchar(100), GETDATE(), 20): 2011-05-16 10:57:47  
SELECT CONVERT(varchar(100), GETDATE(), 21): 2011-05-16 10:57:47.157  
SELECT CONVERT(varchar(100), GETDATE(), 22): 05/16/11 10:57:47 AM  
SELECT CONVERT(varchar(100), GETDATE(), 23): 2011-05-16  
SELECT CONVERT(varchar(100), GETDATE(), 24): 10:57:47  
SELECT CONVERT(varchar(100), GETDATE(), 25): 2011-05-16 10:57:47.250  
SELECT CONVERT(varchar(100), GETDATE(), 100): 05 16 2011 10:57AM  
SELECT CONVERT(varchar(100), GETDATE(), 101): 05/16/2011

SELECT CONVERT(varchar(100), GETDATE(), 102): 2011.05.16  
SELECT CONVERT(varchar(100), GETDATE(), 103): 16/05/2011

SELECT CONVERT(varchar(100), GETDATE(), 104): 16.05.2011  
SELECT CONVERT(varchar(100), GETDATE(), 105): 16-05-2011  
SELECT CONVERT(varchar(100), GETDATE(), 106): 16 05 2011  
SELECT CONVERT(varchar(100), GETDATE(), 107): 05 16, 2011  
SELECT CONVERT(varchar(100), GETDATE(), 108): 10:57:49  
SELECT CONVERT(varchar(100), GETDATE(), 109): 05 16 2011 10:57:49:437AM  
SELECT CONVERT(varchar(100), GETDATE(), 110): 05-16-2011

SELECT CONVERT(varchar(100), GETDATE(), 111): 2011/05/16  
SELECT CONVERT(varchar(100), GETDATE(), 112): 20110516  
SELECT CONVERT(varchar(100), GETDATE(), 113): 16 05 2011 10:57:49:513  
SELECT CONVERT(varchar(100), GETDATE(), 114): 10:57:49:547  
SELECT CONVERT(varchar(100), GETDATE(), 120): 2011-05-16 10:57:49  
SELECT CONVERT(varchar(100), GETDATE(), 121): 2011-05-16 10:57:49.700  
SELECT CONVERT(varchar(100), GETDATE(), 126): 2011-05-16T10:57:49.827  
SELECT CONVERT(varchar(100), GETDATE(), 130): 18 ??? ??? 1427 10:57:49:907AM  
SELECT CONVERT(varchar(100), GETDATE(), 131): 18/04/1427 10:57:49:920AM  
如果判断是否本月year改称month，本日day

## 十一、查询一个最近的一个组所有数据 ##

如查询最近的一个时间点的所有省份数据  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0lNYW5peQ_size_16_color_FFFFFF_t_70 2]

SELECT PROVINCE_NAME,SUM(PEOPLE_NUM) PEOPLE_NUM FROM T_TELECOM_SCENIC_PRO_MONTH WHERE DATE_STR >= CONCAT(DATE_FORMAT(NOW(),'%Y'),'01010000') AND DATE_STR <= CONCAT(DATE_FORMAT(NOW(),'%Y'),'12312359')  AND PROVINCE_ID != '31'   GROUP BY PROVINCE_ID ORDER BY PEOPLE_NUM DESC

可以通过group by PROVINCE\_ID 为分组对象，查组中最新的一个

## 十二、查询在一个部门下的所以用户，已逗号相隔的字符串显示 ##

结果如下：

0d2868cb9dfb4f1,2a4b73b5c0434e,ad4e9356abbaf132bca4,e256ac680caa45d48

sql

select GROUP_CONCAT(id SEPARATOR ',') as ids from s_user where sign_id = 'e256ac680caa45dcbff339edd96efd48'

#### 利用了GROUP\_CONCAT()函数，其他应用如下 ####

每个名字都只出现一次，又能够显示所有的名字相同的人的id呢？——使用group\_concat()

1、功能：将group by产生的同一个分组中的值连接起来，返回一个字符串结果。

2、语法：`group_concat( [distinct] 要连接的字段 [order by 排序字段 asc/desc ] [separator '分隔符'] )`

说明：通过使用distinct可以排除重复值；如果希望对结果中的值进行排序，可以使用order by子句；separator是一个字符串值，缺省为一个逗号。

select name, GROUP_CONCAT(id order by id desc SEPARATOR ',') as ids from s_user  group by name

#### 查询重复数据 ####

查找表中多余的重复记录，重复记录是根据单个字段（peopleId）来判断

select * from people
    where peopleId in (select peopleId from people group by peopleId having count(peopleId) > 1)

## 十三 删除重复行（自连接） ##

数据中用重复的name、price，但id不一样的数据，需要删除重复数据

-- 用于删除重复行的SQL 语句(1) ：使用极值函数
    DELETE FROM Products1 P1 
    WHERE rowid < ( 
    	SELECT MAX(P2.rowid)
    	FROM Products1 P2 
    	WHERE P1.name = P2. name 
    	AND P1.price = P2.price);
    
    
    -- 用于删除重复行的SQL 语句(2) ：使用非等值连接
    DELETE FROM Products1 P1
    WHERE EXISTS ( 
    		SELECT *FROM Products1 P2 
        WHERE P1.name = P2.name 
        AND P1.price = P2.price
        AND P1.rowid < P2.rowid);

#### 用于查找价格相等但商品名称不同（自连接） ####

-- 用于查找价格相等但商品名称不同的记录的SQL 语句
    SELECT DISTINCT P1.name, P1.price
    FROM Products P1, Products P2
    WHERE P1.price = P2.price
    AND P1.name <> P2.name;

#### 分数排名 ####

分数排名。如果两个分数相同，则两个分数排名（Rank）相同。请注意，平分后的下一个名次应该是下一个连续的整数值。换句话说，名次之间不应该有“间隔”。

SELECT s1.Score,(SELECT COUNT(distinct(s2.Score)) 
                     FROM Scores s2 WHERE s1.Score < s2.Score) + 1 AS Rank
    FROM Scores s1
    ORDER BY s1.Score DESC;

## 查找所有至少连续出现三次的数字（利用变量） ##

三个自连接可以查询到，但效率不高。

利用用户变量实现对连续出现的值进行计数。 两个变量，一个用于判断，一个用于计数；

select distinct Num as ConsecutiveNums
    from (
      select Num, 
        case 
          when @prev = Num then @count := @count + 1
          when (@prev := Num) is not null then @count := 1
        end as CNT
      from Logs, (select @prev := null,@count := null) as t
    ) as temp
    where temp.CNT >= 3

#### 存在量词处理 ####

select distinct num as ConsecutiveNums 
    from Logs l1 where  
    exists( select 1 from logs l2 where l1.num = l2.num and l1.id = l2.id-1) 
    and  exists( select 1 from logs l2 where l1.num = l2.num and l1.id = l2.id-2)

#### 统计数据（面试题，我当时发懵，count函数写成sum一直报错，造化弄人） ####

对，day\_id,统计result为fail和success  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0lNYW5peQ_size_16_color_FFFFFF_t_70 3]  
结果如下  
![在这里插入图片描述][20200511215902874.png]  
SQL

SELECT
    	a.day_id,
    	( SELECT COUNT( * ) AS fail FROM test b WHERE b.result = 'fail' AND b.day_id = a.day_id ) AS fail,
    	( SELECT COUNT( * ) AS fail FROM test b WHERE b.result = 'success' AND b.day_id = a.day_id ) AS success 
    FROM
    	test a 
    GROUP BY
    	day_id

其实很简单的，不应该不应该。

## 十四 sqlserver，oracle，mysql字符串拼接 ##

sqlserver：

select '123'+'456';

oracle：

select '123'||'456' from dual;

或

select concat('123','456') from dual;

mysql：

select concat('123','456');

注意：SQL Server中没有concat函数（SQL Server 2012已新增concat函数）。oracle和mysql中虽然都有concat，但是oracle中只能拼接2个字符串，所以建议用||的方式；mysql中的concat则可以拼接多个字符串。

#### 通过字符串拼接来同步数据 ####

mysql为例

SELECT  a.create_time ,b.create_time ,concat('UPDATE t_two set create_time = ''',a.create_time,''' where id =' , a.id) as tempsql
    FROM t_one a LEFT JOIN t_two b on a.key = b.value

生成tempsql语句  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0lNYW5peQ_size_16_color_FFFFFF_t_70 4]  
复制再执行

## 十五、两表中数据同步 ##

sql 两表查询后 更新某表中部分字段

update t_one a,t_two b SET	b.create_time = a.create_time where a.key=b.value

inner join

update t_one a inner join t_two b on a.key=b.value  SET	b.create_time = a.create_time

## 十六、查表字段和注释 ##

SELECT COLUMN_NAME as field_name , COLUMN_COMMENT as field_note  FROM information_schema.COLUMNS WHERE TABLE_NAME = ?1 and TABLE_SCHEMA = schema

## 十七、group by之后取每个分组最新的一条 ##

#### 思路： ####

1、首先，使用GROUP\_CONCAT函数 他可以设置分组的条件 在这里我们需要的条件就是时间最新的一条

select SUBSTRING_INDEX(group_concat(id order by `createTime` desc),',',1) from v_merchantsInfo_node GROUP BY merchantsInfoId

2、用的 in 查询 把数据全部查询出来

select * from v_merchantsInfo_node as t where t.id in (select SUBSTRING_INDEX(group_concat(id order by `createTime` desc),',',1) from v_merchantsInfo_node GROUP BY merchantsInfoId

###### 相关知识点： ######

substring_index(str,delim,count)
         str:要处理的字符串
         delim:分隔符
         count:计数
    例如：str=www.wikibt.com
          substring_index(str,'.',1)
          结果是：www
         substring_index(str,'.',2)
          结果是：www.wikibt
          也就是说，如果count是正数，那么就是从左往右数，第N个分隔符的左边的全部内容。相反，如果是负数，那么就是从右边开始数，第N个分隔符右边的所有内容，如：
          substring_index(str,'.',-2)
          结果为：wikibt.com

[70]: /images/20220506/d64fc54a27e848ef8a757eb0bf204a4c.png
[70 1]: /images/20220506/418b67d90e4c4d34aa215883e29950eb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0lNYW5peQ_size_16_color_FFFFFF_t_70]: /images/20220506/74cd21bc52bc451fac9e8b85d41b65f5.png
[2020120211303231.png]: /images/20220506/792296d6f8fd4c7daa36f561c06a5c67.png
[20190605182833544.png]: /images/20220506/4bf41b24b33243ebaaaefe56eeb5cce9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0lNYW5peQ_size_16_color_FFFFFF_t_70 1]: /images/20220506/754d6f4a6416444f8a407737763057c0.png
[2019092916230534.png]: /images/20220506/d9833ef11f3e45998b239bd46beaa522.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0lNYW5peQ_size_16_color_FFFFFF_t_70 2]: /images/20220506/0bef4504f4364cf58d72561f22dd323d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0lNYW5peQ_size_16_color_FFFFFF_t_70 3]: /images/20220506/bb743da198ec4f91b3f835aa8f1241a6.png
[20200511215902874.png]: /images/20220506/736f0f1942ec4feeaa142e0f37d67d13.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0lNYW5peQ_size_16_color_FFFFFF_t_70 4]: /images/20220506/4a47722bccf642cf91aaec87e5752472.png