sql over函数_从零学会SQL：高级功能

左手的ㄟ右手 2024-03-26 10:56 20阅读 0赞

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

### 什么是窗口函数？ ###

1、窗口函数有什么用？

在日常工作中，经常会遇到需要在每组内排名，比如以下业务需求：

排名问题：每个部门按业绩来排名

topN问题：找出每个部门排名前N的员工进行奖励

面对这类需求，就需要使用SQL的高级功能窗口函数了。

二.什么是窗口函数？

窗口函数，也叫OLAP函数（Online Analytical [Processing][]，联机分析处理），可以对数据库数据进行实时分析处理。

窗口函数的基本语法如下：

*‹窗口函数› over (partition by ‹用于分组的列名› order by ‹用于排序的列名›)*

那么语法中的‹窗口函数›都有哪些呢？

‹窗口函数›的位置，可以放以下两种函数：

1） 专用窗口函数，比如rank、dense\_rank、row\_number等专用窗口函数。

2） 聚合函数，比如sum、avg、count、max、min等

因为窗口函数是对where或者group by子句处理后的结果进行操作，所以窗口函数原则上只能写在select子句中。

### 如何使用窗口函数？ ###

1、专用窗口函数rank

例如下图，是班级表中的内容；

![a83749d3e362285050d65baeeddb8943.png][]

如果我们想在每个班级内按成绩排名，得到如下的结果；

![614295f4cb974d832dce9fe1130704c4.png][]

以班级“1”为例，这个班级的成绩“95”排在第1位，这个班级的“83”排在第4位。上面这个结果确实按我们的要求在每个班级内按成绩排名了。

得到以上结果的SQL语句代码如下：

select \*,

rank() over (partition by 班级

order by 成绩 desc) as ranking from class

![e508477e22c483d6b96f6b7e32d7a34d.png][]

1）每个班级内：按班级分组

partition by用来对表分组。在这个例子中，所以我们指定了按“班级”分组（partition by 班级）

2）按成绩排名

order by子句的功能是对分组后的结果进行排序，默认是按照升序（asc）排列。在本例中（order by 成绩 desc）是按成绩这一列排序，加了desc关键词表示降序排列。

通过下图，我们就可以理解partition by（分组）和order by（在组内排序）的作用了。

![ef58667595174410d1bb7311e4079b65.png][]

PS：我们之前学过的group by子句分组的功能和order by子句排序的功能已经具备窗口函数的功能了。那么，为什么还要用窗口函数呢？

这是因为，group by分组汇总后改变了表的行数，一行只有一个类别。而partition by和rank函数不会减少原表中的行数。例如下面统计每个班级的人数。如下图：

![dba708b5c597735caa3359be0d94ea1e.png][]

相信通过这个例子，你已经明白了这个窗口函数的使用：

select \*,

rank() over (partition by 班级

order by 成绩 desc) as ranking from class

现在我们说回来，为什么叫“窗口”函数呢？

这是因为partition by分组后的结果称为“窗口”，这里的窗口不是我们家里的门窗，而是表示“范围”的意思。

简单来说，窗口函数有以下功能：

1）同时具有分组和排序的功能

2）不减少原表的行数

3）语法如下：

*‹窗口函数› over (partition by ‹用于分组的列名› order by ‹用于排序的列名›)*

### 其他专用窗口函数 ###

涉及到排名问题，可以使用窗口函数；

专用窗口函数rank, dense\_rank, row\_number有什么区别呢？

举个例子，你们一下就能看懂它们的区别了

select \*,

rank() over (order by 成绩 desc) as ranking,

dense\_rank() over (order by 成绩 desc) as dese\_rank,

row\_number() over (order by 成绩 desc) as row\_num from class

得到结果如下：

![071634ac235acf3b6e687fd1111fc5cd.png][]

PS：返回输出的表列名不能和专用窗口函数同名，否则会报错；

![2e50a6b69e6ed1ff494e60d949d936b3.png][]

从上面的结果可以看出：

rank函数：这个例子中是5位，5位，5位，8位，也就是如果有并列名次的行，会占用下一名次的位置。比如正常排名是1，2，3，4，但是现在前3名是并列的名次，结果是：1，1，1，4。

dense\_rank函数：这个例子中是5位，5位，5位，6位，也就是如果有并列名次的行，不占用下一名次的位置。比如正常排名是1，2，3，4，但是现在前3名是并列的名次，结果是：1，1，1，2。

row\_number函数：这个例子中是5位，6位，7位，8位，也就是不考虑并列名次的情况。比如前3名是并列的名次，排名是正常的1，2，3，4。

这三个函数的区别如下：

![d4b29f5ee9a32457f8530f215c35ee05.png][]

最后，需要强调的一点是：在上述的这三个专用窗口函数中，函数后面的括号不需要任何参数，保持()空着就可以了。

**案例：面试经典排名问题**

问题：按成绩来排名，如果两个分数相同，那么排名要是并列的；

根据题目要求的排名规则，这里我们使用dense\_rank函数。

得到以下SQL语句：

select \*,

dense\_rank() over (order by 成绩 desc) as dese\_rank from class;

![ac9e186f7c5d1900973ee30e12d3cc24.png][]

【本题考点】

1、考察如何使用窗口函数来解决排名问题；2、专用窗口函数排名的区别：rank, dense\_rank, row\_number

**案例：面试经典topN问题**

工作中会经常遇到这样的业务问题：

如何找到每个类别下用户最喜欢的产品是哪个？

如果找到每个类别下用户点击最多的5个商品是什么？

这类问题其实就是常见的：分组取每组最大值、最小值，每组最大的N条（top N）记录。

面对该类问题，如何解决呢？

下面我们通过成绩表的例子来给出答案。

成绩表是学生的成绩，里面有学号，课程号（学生选修课程的课程号），成绩

![adf22d13f87ff0f2cf9815c674adea99.png][]

**分组取每组最大值**

案例：按课程号分组取成绩最大值所在行的数据

我们可以使用分组（group by）和汇总函数得到每个组里的一个值（最大值，最小值，平均值等）。但是无法得到成绩最大值所在行的数据。

select 课程号,max(成绩) as 最大成绩

from score

group by 课程号;

![a5f096c5ad377d987ff841933cdd2c80.png][]

我们可以使用关联子查询来实现：

select \*

from score as a

where 成绩 = ( select max(成绩) from score as b

where b.课程号 = a.课程号);

![c47a8cb3c18ca541d3a66cce4ae33bb8.png][]

**分组取每组最小值**

案例：按课程号分组取成绩最小值所在行的数据

同样的使用关联子查询来实现

select \*

from score as a

where 成绩 = (

select min(成绩)

from score as b

where b.课程号 = a.课程号);

![45cdaea491262c9d71efa51a0b867cf0.png][]

**每组最大的N条记录**

案例：现有“各科成绩表”，记录了每个学生各科的成绩。表内容如下：

问题：查找每个学生成绩最高的2个科目；

![f02bc05968bbe6dac274bda50835869d.png][]

**解题思路**

1.看到问题中要查“每个”学生最高的成绩。还记得我们之前课程里讲过的吗？当有“每个”出现的时候，就要想到是要分组了。

这里是“每个学生”，结合表的结构，是按学生“姓名”来分组。

2.将表按学生姓名分组后，把成绩按降序排列，排在最前面的2个就是我们要找的“成绩最高的2个科目”。

3.现在分组后，需要排序，又不减少原表的行数，这种功能自然想到是窗口函数。

4.使用哪个专用窗口函数？

为了不受并列成绩的影响，使用row\_number专用窗口函数：

row\_number函数：也就是不考虑并列名次的情况。比如前3名是并列的名次，排名是正常的1，2，3，4。

**解题步骤**

步骤一：按姓名分组(partition by 姓名)、并按成绩降序排列(order by 成绩 desc)，套入窗口函数的语法，就是下面的SQL语句：

select \*, row\_number() over (partition by 姓名 order by 成绩 desc) as ranking from 各科成绩表;

![d8df214e15ff855feb981404a42f3df6.png][]

运行结果如下：

![8efa20bd3d5ac48bebe6f9ea0904d0b7.png][]

步骤二：如上表黄色框内的数据，每个同学成绩最好的2个科目，就是要求的解。

想得到这个解，只要提取出“ranking”值小于等于2的数据就可以了。那么，只需要在上一步的SQL语句里加入条件字句where就可以了

select \*, row\_number() over (partition by 姓名 order by 成绩 desc) as ranking from 各科成绩表 where ranking <=2；

很多同学都会用这样的思路解题，但是这样写，sql会报错，为什么呢？

我们在课程里多次强调过，要牢记sql的书写顺序和运行顺序。在运行顺序中，select字句是最后被运行的。

![cf3f6fcb28cf9b22603951e41d2cf795.png][]

当明白了运行顺序以后，就知道错误的原因了：运行到”where ranking › 2”的时候，因为select字句还没有被执行，因此select中的“ranking”列还没有出现，从而导致报错。

那么，解决方法是什么呢？

这种情况就可以用子查询，也就是把第一步得到查询结果作为一个新的表，SQL语句如下：

select \* from (select \*, row\_number() over (partition by 姓名 order by 成绩 desc) as ranking from 各科成绩表) as a where ranking <= 2;

![55b0fc6b7babff95fb998ef653b9a2dd.png][]

得到结果如下：

![3a108e76e0f89fc429261b7488e75e87.png][]

**PS：**

1.主要考查对窗口函数的灵活使用。

2.在筛选过程中，非常容易因为子查询问题报错，本题也考察了对子查询的熟练运用。

3.本题间接考察了对sql语句执行顺序的熟悉程度。

**topN问题SQL模板：**

经典topN问题：每组最大的N条记录。这类问题涉及到“既要分组，又要排序”的情况，要能想到用窗口函数来实现。

本题的SQL语句修改下（将where字句里的条件修改成N），就可以成为这类问题的一个万能模板，遇到这类问题往里面套就可以了；

*select \* from (select \*, row\_number() over (partition by 要分组的列名 order by 要排序的列名 desc) as ranking from 表名) as a where ranking <= N;*

### 聚合函数作为窗口函数 ###

聚和窗口函数和上面提到的专用窗口函数用法完全相同，只需要把聚合函数写在窗口函数的位置即可，但是函数后面括号里面不能为空，需要指定聚合的列名。

我们来看一下窗口函数是聚合函数时，会出来什么结果：

select \*,

sum(成绩) over (order by 学号) as current\_sum,

avg(成绩) over (order by 学号) as current\_avg,

count(成绩) over (order by 学号) as current\_count,

max(成绩) over (order by 学号) as current\_max,

min(成绩) over (order by 学号) as current\_min from class;

![70b571282faef6134175cc090db11a6f.png][]

得到结果如下：

![c607e1e9b8d0b9b81120900b469e55fe.png][]

以上结果有发现什么规律吗？我单独用sum举个例子：

![5be711985625c4213d95a018e0e18683.png][]

如上图，聚合函数sum在窗口函数中，是对自身记录、及位于自身记录以上的数据进行求和的结果。比如0004号，在使用sum窗口函数后的结果，是对0001，0002，0003，0004号的成绩求和，若是0005号，则结果是0001号~0005号成绩的求和，以此类推。

不仅是sum求和，平均、计数、最大最小值，也是同理，都是针对自身记录、以及自身记录之上的所有数据进行计算，现在再结合刚才得到的结果，是不是理解起来容易多了。

比如0005号后面的聚合窗口函数结果是：学号0001~0005五人成绩的总和、平均、计数及最大最小值。

如果想要知道所有人成绩的总和、平均等聚合结果，看最后一行即可。

那么，这样使用窗口函数有什么用呢？

聚合函数作为窗口函数，可以在每一行的数据里直观的看到，截止到本行数据，统计数据是多少（最大值、最小值等）。同时可以看出每一行数据，对整体统计数据的影响。

**案例：累计求和问题**

题目：“薪水表”中记录了员工发放的薪水。包含雇员编号，薪水、起始日期、结束日期。

其中，薪水是指该雇员在起始日期到结束日期这段时间内的薪水。当前员工是指结束日期 = '9999-01-01'的员工。

问题：按照雇员编号升序排列，查找薪水的累计和（累计薪水）。其中累计薪水是前N个当前员工( 结束日期 = '9999-01-01')的薪水的累计和，其他以此类推。

![b99528f3bb8c0c6aed0df04787f003e8.png][]

解题步骤：

1、先筛选出当前员工( 结束日期 = '9999-01-01')的薪水

select 雇员编号,薪水

from 薪水表 where 结束日期 = '9999-01-01';

![7bd80a5653e9731398c92e3c1db01da5.png][]

查询结果如下图：

![6741d3711c38008c52fd4b8a53a48035.png][]

2.什么是累计薪水？

由题意可以看出输出结果需要包含薪水和累计薪水。累计薪水是前N个当前员工的薪水的累计和得出。

举个例子，如下图：

![419bc0ffec55420f0e43673f5b42cb16.png][]

第1行的累计薪水为雇员编号（10001）的薪水，

第2行的累计薪水为雇员编号（10001）、雇员编号（10002）的薪水之和，

第3行的累计薪水为雇员编号（10001）、雇员编号（10002）、雇员编号（10003）的薪水之和

依次类推...

3.如何计算出每行的累计薪水？

用聚合函数作为窗口函数，有累计的功能。因为本题是累计“求和”，所以用聚合函数sum。

select 雇员编号,薪水, sum(薪水) over (order by 雇员编号) as 累计薪水

from 薪水表 where 结束日期 = '9999-01-01';

![7923da0c053157dbecf2ddefe0259098.png][]

查询结果如下图：

![6741d3711c38008c52fd4b8a53a48035.png][]

PS：

对于“累计”问题，要想到用聚合函数作为窗口函数。比如累计求和，用sum函数。

*sum(列名) over (order by ‹用于排序的列名›)*

累计求平均值，用avg函数。

*avg(列名) over (order by ‹用于排序的列名›)*

**所以，我们可以得出“累计求和”问题的万能模板为：**

*select 列1,列2, sum(列名) over (order by ‹用于排序的列名›) as 累计值的别名*

*from 表名;*

**举一反三**

下表为确诊人数表，包含日期和该日期对应的新增确诊人数；

![a803ebe18cc5279d7fe364a84d99888c.png][]

按照日期进行升序排列，查找日期、确诊人数以及对应的累计确诊人数。

参考答案如下：

select 日期,确诊人数, sum(确诊人数) over (order by 日期) as 累计确诊人数

from 确诊人数表;

![ba33d6966e9b0c76d6c9c5545cc2708d.png][]

查询结果如下图：

![478a78af04c9a5f84b7cc64bf47fed71.png][]

**案例：如何在每个组里比较？**

题目：现有“成绩表”，记录了每个学生各科的成绩。表内容如下：

![445c357d8773e71b94f5ced4c1bd9e3a.png][]

问题：查找单科成绩高于该科目平均成绩的学生名单

**解题思路**

1."查找单科成绩高于该科目平均成绩"，也就是在“每个”科目里比较。还记得我们之前课程里讲过的吗？当有“每个”出现的时候，就要想到是要分组了。

能实现“分组”功能的sql有两种，一是group by字句，另一个是窗口函数的partition by。

2.使用聚合窗口函数(求平均值avg)，将每门课的平均成绩求出以后，然后找出大于比平均成绩的数据。

这就要求分组后不能减少表的行数。

group by分组汇总后改变了表的行数，一行只有一个类别。而partition by和rank函数不会减少原表中的行数。

例如下面统计每个班级的人数：

![dba708b5c597735caa3359be0d94ea1e.png][]

所以这里我们使用窗口函数的partition by；

**解题步骤**

第1步，聚合函数avg()作为窗口函数，将每一科目成绩的平均值求出。

SQL语句如下：

select \*,avg(成绩) over (partition by 科目) as avg\_score

from 各科成绩表;

运行结果如下图：

![d0611640f503f1d0c7f1229fdcb986c6.png][]

第2步，如上表，按科目分组后各科目的平均分已经计算出，接下来只要筛选出成绩大于平均分的数据即可。

那么，只需要在上一步的SQL语句里加入条件字句where就可以了

select \*,avg(成绩) over (partition by 科目) as avg\_score

from 各科成绩表 where 成绩 › avg\_score;

很多同学都会用这样的思路解题，但是这样写，SQL会报错，为什么呢？

我们在课程里多次强调过，要牢记SQL的书写顺序和运行顺序。在运行顺序中，select字句是最后被运行的。

![7a0c160581336c502ce1788b8486944f.png][]

当明白了运行顺序以后，就知道错误的原因了：运行到”where 成绩 > avg\_score”的时候，因为select字句还没有被执行，因此select中的“avg\_score”列还没有出现，从而导致报错。

解决方法是什么呢？

这种情况就可以用子查询，也就是把第一步得到查询结果作为一个新的表，sql语句如下：

select \* from (select \*,avg(成绩) over (partition by 科目) as avg\_score

from 各科成绩表) as b where 成绩 > avg\_score;

![946d139e7ef980a9b4164f18679715f2.png][]

运行结果如下图：

![0013dd4feed5e351398a89ed49cc86aa.png][]

**PS：**

1.主要考查对窗口函数的灵活使用。

2.在筛选过程中，非常容易因为子查询问题报错，本题也考察了对子查询的熟练运用。

3.本题间接考察了对sql语句执行顺序的熟悉程度。

**举一反三**

查找每个组里大于平均值的数据，可以有两种方法：

1）使用上面讲到的窗口函数来实现

2）使用关联子查询，可以回顾《从零学会sql：复杂查询》里的案例

![e67fea866c242ae90653be5a105da7ea.png][]

### 窗口函数的移动平均 ###

这里我们直接用聚合函数avg的窗口函数举例说明：

select \*,avg(成绩) over (order by 学号 rows 2 preceding) as current\_avg

from class;

![6daac1b788bbc70e0025d0e363a0e6a8.png][]

得到结果如下图：

![bb361c3266466b5473363bae292744e5.png][]

仔细看上面的窗口函数中，用了rows和preceding这两个关键字，是“之前~行”的意思，上面的句子中，是之前2行。也就是得到的结果是自身记录及与前2行（一共3行）的平均值。

例如：学号0004学生的current\_avg，是自己和前2位同学的平均，即0002，0003，0004三位同学成绩的平均，其他数据的情况也一样，下图非常直观的可以看到计算过程：

![9b3f1e5bcce2989e20d2b74cf88b8e8a.png][]

每一行得到的结果，都是当前行和前面2行的平均（共3行）。想要计算当前行与前n行（共n+1行）的平均时，只要调整rows…preceding中间的数字即可。

这里需要注意：在移动平均中，被选出的数据构成一个“框架”，例如，刚才例子中的0002、0003、0004行数据，就是一个“框架”。

这样使用窗口函数有什么用呢？

由于这里可以通过preceding关键字调整作用范围，在以下场景中非常适用：

在公司业绩名单排名中，可以通过移动平均，直观地查看到与相邻名次业绩的平均、求和等统计数据。

### 总结 ###

**PS：**

partition子句可以省略，省略就是不指定分组，结果如下，只是按成绩由高到低进行了排序：

select \*,rank() over (order by 成绩 desc) as ranking

from class；

得到结果如下图：

![f6cf311e4d9226dcfed8a40747162cb4.png][]

1、窗口函数语法

*‹窗口函数› over (partition by ‹用于分组的列名› order by ‹用于排序的列名›)*

‹窗口函数›的位置，可以放以下两种函数：

1） 专用窗口函数，比如rank、dense\_rank、row\_number等

2） 聚合函数，如sum.、avg、count、max、min等

2、窗口函数有以下功能：

1）同时具有分组（partition by）和排序（order by）的功能

2）不减少原表的行数，所以经常用来在每组内排名

3、注意事项

窗口函数原则上只能写在select子句中

4.窗口函数使用场景

1）经典top N问题

找出每个部门排名前N的员工进行奖励

2）经典排名问题

业务需求“在每组内排名”，比如：每个部门按业绩来排名

3）在每个组里比较的问题

比如查找每个组里大于平均值的数据，可以有两种方法：

方法1：使用前面窗口函数案例来实现

方法2：使用关联子查询

![7aeb7c2965d258ee5460516eea1dc0d8.png][]

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

## 总结 ##

> 如果此篇文章有帮助到您, 希望打大佬们能`关注`、`点赞`、`收藏`、`评论`支持一波，非常感谢大家！  
> 如果有不对的地方请指正!!!

[Processing]: https://so.csdn.net/so/search?q=Processing&spm=1001.2101.3001.7020
[a83749d3e362285050d65baeeddb8943.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/6599c2f986da4205833281f89ad5c8b8.png
[614295f4cb974d832dce9fe1130704c4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/2b6be317a4ad4ec9a01fbaf0c415a65a.png
[e508477e22c483d6b96f6b7e32d7a34d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/5a45f7365b384891b4be04f251d3b0ee.png
[ef58667595174410d1bb7311e4079b65.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/ff91f41008324b10b025f1262b990669.png
[dba708b5c597735caa3359be0d94ea1e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/1dc776d08a284fd093e558a42bb2e8cd.png
[071634ac235acf3b6e687fd1111fc5cd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/b5a37b3a2f044d9985be583beb9b40b9.png
[2e50a6b69e6ed1ff494e60d949d936b3.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/79c581e7aa894d1e9ecedabdca535c6e.png
[d4b29f5ee9a32457f8530f215c35ee05.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/89bfe1ce45ee4e88bb0697b6fdab5a75.png
[ac9e186f7c5d1900973ee30e12d3cc24.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/43d721a1ca944f73a5139da4e6c30975.png
[adf22d13f87ff0f2cf9815c674adea99.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/7b4eb255a1c1485ebf1681f0d8b39df8.png
[a5f096c5ad377d987ff841933cdd2c80.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/bf68658d26ee437b9c306dc54eb03cd7.png
[c47a8cb3c18ca541d3a66cce4ae33bb8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/77bf8eef2e7643cb827c2db7f8b5fed4.png
[45cdaea491262c9d71efa51a0b867cf0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/cacf2794ba25427d8fe85087594320cc.png
[f02bc05968bbe6dac274bda50835869d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/cf54a6bb5d3544929b35c70093478700.png
[d8df214e15ff855feb981404a42f3df6.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/9aaa795ad2834d04992561d16e45b9e8.png
[8efa20bd3d5ac48bebe6f9ea0904d0b7.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/134ae6b305d04487be5b724c4810f79f.png
[cf3f6fcb28cf9b22603951e41d2cf795.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/b29f62cb569244c58c99f942adf486a6.png
[55b0fc6b7babff95fb998ef653b9a2dd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/7e12b346a4ee4e69808eb0c36c5c8d63.png
[3a108e76e0f89fc429261b7488e75e87.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/11b385f64c234671847422042b69a54c.png
[70b571282faef6134175cc090db11a6f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/22e578d973df4b55892d1666e5591e7f.png
[c607e1e9b8d0b9b81120900b469e55fe.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/431dc51091f742b3aaa4b24dcbbcb15d.png
[5be711985625c4213d95a018e0e18683.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/1cba75238751444085b44b4d3b7c28f1.png
[b99528f3bb8c0c6aed0df04787f003e8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/bff8762cd2944e61bcbb8ec0772d4595.png
[7bd80a5653e9731398c92e3c1db01da5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/16284599b6fb4d999e04c20d5daf354d.png
[6741d3711c38008c52fd4b8a53a48035.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/6419bd144413410eb21fd9a9086fabd7.png
[419bc0ffec55420f0e43673f5b42cb16.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/4e9ef2e4f2654bed93b9dcb7765e4d64.png
[7923da0c053157dbecf2ddefe0259098.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/916e24add147483e889337c506df166e.png
[a803ebe18cc5279d7fe364a84d99888c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/e996d4c428ae4213b317b617e9e3659e.png
[ba33d6966e9b0c76d6c9c5545cc2708d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/96013eff182e4f458fe508b81aa02a56.png
[478a78af04c9a5f84b7cc64bf47fed71.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/fc63444b6d504830bcfdd92449cb1e59.png
[445c357d8773e71b94f5ced4c1bd9e3a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/c0c7c739c746470b822c1dc0dcfd203e.png
[d0611640f503f1d0c7f1229fdcb986c6.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/a1a678152e2c4ebab5d61c82ca6c4f78.png
[7a0c160581336c502ce1788b8486944f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/fe0fc2e3489b459c949c809b64a619ea.png
[946d139e7ef980a9b4164f18679715f2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/7e92846aa1e84ee0aaa5c3821b925a29.png
[0013dd4feed5e351398a89ed49cc86aa.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/485aa2d22fb24f659cf99f6a796d02cc.png
[e67fea866c242ae90653be5a105da7ea.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/987aa9ad32774c90a94d8ac05bc510a8.png
[6daac1b788bbc70e0025d0e363a0e6a8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/5529b62518514cfc86886cc2f09db4be.png
[bb361c3266466b5473363bae292744e5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/e83324068d5d459585a5bba7f3cd16eb.png
[9b3f1e5bcce2989e20d2b74cf88b8e8a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/e6f7742f6391410f92b0b83a9c0f9f13.png
[f6cf311e4d9226dcfed8a40747162cb4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/945a1024667e484aa518ffadd775a211.png
[7aeb7c2965d258ee5460516eea1dc0d8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/541c746c6db146a5b5c878ce6cff428d.png