ElasticSearch基本命令&python庫使用

python連接ES

集群方式

from elasticsearch import elasticsearch es = Elasticsearch([{'host': 'xxx'}, {'host': 'xx'}, {'host': 'xxx'}], http_auth=('xxx', 'xxx'), timeout=3600)

單點方式

from elasticsearch import Elasticsearch es = Elasticsearch([{'host': 'xxx', 'port': 9000}], timeout=3600)

如何使用SSl或者添加port端口等可以help該API查看，有具體的例子

ES body中的命令

數據庫中現在有一條數據為：

{'source': 'abc', 'valid': True}], 'collectTime': '2021-11-02T15:50:30Z', 'confidence': 70.0, 'createdBy': 'def', 'createdTime': '2021-11-02T16:10:55Z', 'creditLevel': 3, 'dataType': 'business', 'hitCount': 2, 'id': 'indicator-d3a548d9eb056666', 'idxKey': 'network-attacks-botnet', 'labels': ['ip'], 'modifiedTime': '2021-11-02T16:10:55Z', 'modifyCount': 0, 'observables': [{'type': 'ipv4-addr', 'value': '175.181.111.27'}], 'pattern': "[ipv4-addr:value = '175.181.111.27']", 'related': [], 'revoked': False, 'threatLevel': 5, 'threatTypes': ['40702'], 'tlp': 'green', 'type': 'indicator', 'hitLastTime': '2021-11-03T17:14:19Z'}}

主要命令

切片查詢

body = { 'from': 0, # 從0開始 'size': 20 # 取多少條數據 }

term精準單值查詢

'term': {'source': 'nsfocus'} # 查詢source為nsfocus的數據 'term': {'createdBy.keyword': '中國電信'} # 查詢中文需要加上keyword

terms精準多值(value)查詢（or關系）

'terms': {'source': ['nsfocus', 'tjym']} # 查詢source為nsfocus或者tjym的數據

match模糊查詢-分詞

'match': {'createdBy': '中國電信'} # 模糊查詢（會被分詞）。只要包含"中國"或者"電信"就會被查詢到

multi_match多字段(key)模糊查詢(AND)-分詞

'multi_match': {'query':'indicator', 'fields': ['type', 'id']} # "type"和"id"字段中包含關鍵詞indicator的數據

match_phrase模糊查詢-不分詞

'multi_phrase': {'idxkey': 'network'}

match_all搜索所有數據

"match_all":{}

exists存在查詢

'exists': {'field': 'indicator'} # 查詢存在indicator的數據

prefix前綴查詢

'prefix': {'idxkey.keyword': '中國'} # 查詢idxkey以中國開頭的數據，英文不需要加keyword

wildcard通配符查詢

'wildcard': {'idxkey': '*network*'} # ?代表一個字符，*代表0個或多個字符

regexp正則查詢

'regexp': {'tlp': 'w+'}

range范圍查詢

'range': {'collectTime': {'gte': '2021-11-02T00:00:00', 'lt': '2021-12-02T23:59:59'}} # gt : 大于 # lt : 小于 # gte : 大于等于 # lte :小于等于

單條件查詢

body ={ 'query':{ 'term': {'source': 'nsfocus'} } }

復合查詢bool

bool有三類查詢關系：

must：必須都滿足

should：只要其中一個滿足

must_not：must_not都不滿足

body = { 'query': { 'bool': { 'must': [ {'range': {'createdTime': {'gte': '2020-11-06T00:00:00', 'lt': '2020-11-06T23:59:59'}}}, {'match': {'createdBy': "['安全幫']"}} ] } } }

切片查詢

# 取20個數據。類似mysql中的limit 0, 20。 注：size可以在es.search中指定，也可以在此指定，默認是10 body = { 'from': 0, # 從0開始 'size': 20 # 取20條數據 }

排序

# 單字段排序 body = { "query":{ # query指定查詢條件，可以使用以上的任何命令 "match_all":{} }, "sort":{ # 對滿足查詢條件的數據按照confidence從小到大排序 "confidence":{"order":"asc"} } } # 多字段排序：先根據confidence升序，再更具threatLevel降序 body = { "query":{ "match_all":{} }, "sort":[{"confidence":{"order":"asc"}}, {"threatLevel":{"order":"asc"}} ], }

聚合

# 查詢滿足條件數據中confidence的最小值 # 聚合：min、max、sum、mean # confidence_age:最小值的key # min：聚合操作 # field：age對age字段進行求最小值 body = { "from": 0, "size": 3, "aggs":{ "confidence_min":{ "min": {"field":"confidence"} } } }

針對不同數據的命令

基礎數據類型

文本數據類型，用于索引全文值的字段。使用文本數據類型的字段，它們會被分詞，在索引之前將字符串轉換為單個術語的列表(倒排索引)，分詞過程允許ES搜索每個全文字段中的單個單詞。因此適用于match命令，一般不用于聚合

關鍵字數據類型，用于索引結構化內容的字段。使用keyword類型的字段，其不會被分析（分詞），給什么值就原封不動地按照這個值索引，所以關鍵字字段只能按其確切值進行搜索，適用于term命令，通常用于過濾、排序和聚合。

對比text和keyword數據類型，假如value為"我喜歡運動"，以text類型進行存儲為"我喜歡你中國"，以keyword類型進行存儲為"我喜歡"、“運動”，假如match查詢時，輸入的條件為"運動"，那么以text存儲時是沒有"運動"這個詞的，故查不到；但keyword有，故能查到。假如value為“運動”，無論是text還是keyword，存儲的都是"運動"，因此用term和match都是能查到的。

數字類型，這類數據類型都是以**確切值（不會分詞）**存儲的，可以使用"term"查詢精確匹配。ES支持的數字類型有：long、integer、short、byte、double、float、half_float、scaled_float。

"confidence":{"type":"float"}

日期數據類型。由于JSON中沒有表示日期的數據類型，所以ES中的日期可以表示：

日期格式化后的字符串，如：“2021-01-01”

long類型值表示自紀元以來的毫秒數

nteger類型值表示自紀元以來的秒數

如果指定了時區，ES將日期轉換為UTC，然后再存儲為自紀元以來的毫秒數(long類型)。當字段被設置為date類型時，可以自定義日期格式，但如果未指定格式，則使用默認格式：“strict_date_optional_time||epoch_millis”

范圍數據類型。具有大小關系的一個值區間，所以會用到gt、gte、lt、lte…等邏輯表示符。ES支持下面6種范圍數據類型：integer_range、long_range、float_range、double_range、date_range、ip_range

復雜數據類型

在ES中，沒有專門的數組數據類型，但是默認情況下，任意一個字段都可以包含0或多個值，這意味著每個字段默認都是數組類型。不過ES要求數組類型的各個元素值的數據類型必須相同。

假如type是keyword的array，相關命令需要進行更改(添加一個value)："term": {"labels": {"value": "url"}}，labels中包含url（不分詞）的數據。

對象類型，類似于python的字典，如下所示是category的數據類型，properties代表了object，針對每個key還可以設置其對應的type

"category":{ "properties":{ "firstCategory":{"type":"keyword"}, "secondCategory":{"type":"keyword"}, "thirdCategory":{"type":"keyword"}}} # 多了一個properties，數字類型時直接是'confidence': {"type":"float"}

對象類型的相關命令也需要進行修改：'term': {"category.firstCategory": "network-attacks"}，也可以搭配復合查詢bool使用。

nested數據類型是object的延伸版本。object的value是一個字典，nest是字典構成的數組

object數據舉例："category": {"firstCategory": "network-attacks", "secondCategory": "botnet"} nest數據舉例："category": [{"firstCategory": "network-attacks", "secondCategory": "botnet"}, {"firstCategory": "network-attacks", "secondCategory": "botnet", "thirdCategory": "c2"}]

對象類型的相關命令也需要進行修改，使用專門的nested命令，假如插入的一條數據是：

// 插入的數據 { "title":"Speed", "actors":[ { "first_name":"Keanu", "last_name":"Reeves" }, { "first_name":"Dennis", "last_name":"Hopper" } ] } // nested查詢語句 {"query": { "bool": { "must": [ {"match": {"title": "Speed"}}, {"nested": {"path": "actors", "query": { "bool": { "must": [{"match": {"actors.first_name":"Keanu"}}, {"match": {"actors.last_name": "Hopper"}}] } } } }] } } } // 如果數據中first_name的值還是個object，在nested語句中可以寫成actors.first_name.next_objective_key

操作：插入數據（增）

python

from elasticsearch import Elasticsearch def connect_es(): # 連接數據庫 es = Elasticsearch([{'host': 'xxx'}, {'host': 'xxx'}, {'host': 'xxx'}], http_auth=('xxx', 'xxx'), timeout=3600) return es body ={ 'name': 'tom', 'aget': 25 } es = connect_es() # index的作用比較多，通過只傳入body的方式，可以插入一條數據 # 也可以既傳body，也傳id。如果id號不存在，插入該條數據，id號為指定的值；如果id號存在，則更新值 # 如果索引不存在，會直接創建索引 result = es.index(index='indicator', body=body) # es.indices.refresh(index='indicator') # 一定要加上刷新，否則很容易報錯

命令行

// put:需要設定數據ID（同一條數據首次插入是created，再次插入會updated） curl -u elastic:Pis@ta12735f2A56 -PUT "http://127.0.0.1:9200/indicator/_doc/1" -H 'Content-Type: application/json' -d' { "name":"stono", "country":"China", "age":111, "date":"1999-11-11" }'' // post，可選擇設定數據ID（不指定id情況下：同一條數據首次插入是created，再次插入還是created，但_id會變；指定id若id不變第二次插入失敗） curl -u elastic:Pis@ta12735f2A56 -POST "http://127.0.0.1:9200/indicator/_doc/" -H 'Content-Type: application/json' -d' { "name":"stono", "country":"China", "age":111, "date":"1999-11-11" }'

操作：刪除數據（刪）

python（含按id號方式）

from elasticsearch import Elasticsearch def connect_es(): # 連接數據庫 es = Elasticsearch([{'host': 'xxx'}, {'host': 'xxx'}, {'host': 'xxx'}], http_auth=('xxx', 'xxx'), timeout=3600) return es body ={ 'query':{ 'term': {'source': 'nsfocus'} } } # body = { # "query": { # "bool": { # "should": [ # { # "ids": { # "values": ['tool'] # } # } # ] # } # } # } es = connect_es() result = es.delete(index='indicator', body=body) # 通過指定body來查詢數據 es.indices.refresh(index='indicator') # 一定要加上刷新，否則很容易報錯

命令行(含按id號方式)

curl -X POST 'http://10.0.10.11:9200/indicator/_delete_by_query' -H 'content-Type:application/json' -d ' { "query": { "match": { "name": "測試" } } }' // 按id號刪除 curl -X POST 'http://10.0.10.11:9200/indicator/_delete_by_query' -H 'content-Type:application/json' -d ' { "query": { "bool": { "should": [ { "ids": { "values": [1,2] } } ] } } }

操作：修改數據（改）

python

# 方法一：參考插入數據中的index方法 # 同時指定body和id，id存在，更新數據為body；id不存在插入body數據 # 方法二：指定ID單條更新:update data={'doc':{"age":77}} # doc必須存在 es.update(index='test',id=3,doc_type='_doc',body=data) es.indices.refresh(index='test') """ 使用update_by_query批量更新：該方法需要結合painless語言 body分為兩部分: query是查詢語言，表示對query查詢出的數據進行更新 script：表示以腳本的方式修改doc，value就是修改的具體內容 lang：指明腳本的語言，painless表示以es內置的腳本語言進行修改. 此外es還支持多種腳本語言, 如Python, js等等 inline: 腳本內容，也就是更新的內容（本例將createdBy修改為['中國']） ctx: 代表es上下文 _source：表示對_source這個key createdBy：是_source中的一個key params:下方的params參數，這里指定value params: 指定inline中用到的參數 """ body = { "script": { "inline": "ctx._source.createdBy = params.newProps", "lang": "painless", "params": { "newProps": ["中國"] } }, "query": { "match": {"createdBy": '["安全"]'} } } es.update_by_query(index='test2',body=data_all) es.indices.refresh(index='test2')

命令行

curl -X POST 'http://10.0.10.11:9200/indicator/_update_by_query' -H 'content-Type:application/json' -d '{ "script": { "inline": "ctx._source.createdBy = params.newProps", "lang": "painless", "params": { "newProps": ["中國"] } }, "query": { "match": {"createdBy": '["安全"]'} }}'

# 批量修改createdBy，將電信安全改為中國curl -u user:123455 -POST "http://172.160.100.224:9200/indicator/_update_by_query" -H 'Content-Type: application/json' -d '{ "script": { "inline": "ctx._source.createdBy = params.newProps", "lang": "painless", "params": { "newProps": ["中國"] } }, "query": { "match": {"createdBy": '["安全"]'} }}'

操作：查詢數據（查）

python

search的方式：按照body進行查詢，常用該方法

from elasticsearch import Elasticsearchdef connect_es(): # 連接數據庫 es = Elasticsearch([{'host': 'xxx'}, {'host': 'xxx'}, {'host': ''}], xxx http_auth=('xxx', 'xxx'), timeout=3600) return esbody ={ 'query':{ 'term': {'source': 'nsfocus'} }}es = connect_es()result = es.search(index='indicator', body=body) # 通過指定body來查詢數據es.indices.refresh(index='indicator') # 一定要加上刷新，否則很容易報錯

get或者get_source按照id進行查詢：不常用

from elasticsearch import Elasticsearchdef connect_es(): # 連接數據庫 es = Elasticsearch([{'host': 'xxx'}, {'host': 'xxx'}, {'host': 'xxx'}], http_auth=('xxx', 'xxx'), timeout=3600) return eses = connect_es()result = es.get_source(index='indicator', id='indicator-6461a5b7de8c4d2c9e1fcb49fecb0196') es.indices.refresh(index='indicator') # 一定要加上刷新，否則很容易報錯

命令行

// search的方式curl -u user:password -XGET "http://172.16.100.21:9000/indicator/_search?pretty" -H 'Content-Type: application/json' -d'{ "query": { "match_all": {} }, "from": 0, "size": 1}'// search的第二種方法：查詢tlp為green的文檔curl -u elastic:Pis@ta12735f2A56 -XGET "http://172.160.111.221:9000/indicator/_search?pretty&q=tlp:green" -H 'Content-Type: application/json'

批量增改

#批量對不同的索引進行增刪改查操作，每個json一行batch_action=[ {"index": {"_index": "test", "_type": "_doc", "_id": "1"}}, # index表示插入 {"name": "tom", "age": 25, "email":"12345@163.com", "company":"test1" }, # 插入的數據 {"index": {"_index": "test", "_type": "_doc", "_id": "2"}}, # index表示插入 {"name": "lucy", "age": 33, "email":"lucy@163.com", "company":"test2" }, # 插入的數據 {"delete": {"_index": "test", "_type": "_doc", "_id": "3"}}, # delete刪除數據 {"create": {"_index" : "test", "_type" : "_doc", "_id": "4"}}, # create插入數據 {"name": "bob", "age": 24, "email":"bob@csdn.com", "company":"test3" }, # 插入的數據 {"update": {"_index": "test", "_type": "_doc", "_id": "5"}}, # 更新數據 {"doc": {"age": "12"}} # 更新的數據字段和值 ]es.bulk(index='test2',doc_type='_doc',body=batch_action)

其他操作

查看es所有索引

python

from elasticsearch import Elasticsearches = Elasticsearch([{'host': '172.160.100.224'}, {'host': '172.160.100.133'}, {'host': '172.160.100.153'}], http_auth=('user', '123456'), timeout=3600)indices=es.indices.get_alias().keys()print(sorted(indices))

命令行模式

curl -u user:123456 -XGET "http://172.160.100.224:9200/_cat/indices?v"

查看index的信息（包括數據類型等）

curl -u elastic:Pis@ta12735f2A56 -XGET "http://172.16.0.224:9200/indicator?pretty" -H 'Content-Type: application/json'

// 完整結果{ "indicator": { "aliases": {}, "mappings": { "properties": { "actTypes": { "type": "integer" }, "categories": { "type": "text", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } } }, "category": { "properties": { "firstCategory": { "type": "keyword" }, "secondCategory": { "type": "keyword" }, "thirdCategory": { "type": "keyword" } } }, "chainEvidenceId": { "type": "keyword" }, "city": { "type": "keyword" }, "collectSource": { "properties": { "source": { "type": "keyword" }, "valid": { "type": "boolean" } } }, "collectTime": { "type": "date" }, "confidence": { "type": "float" }, "configurations": { "properties": { "cVEDataVersion": { "type": "text", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } } }, "nodes": { "properties": { "cpe": { "properties": { "cpe22Uri": { "type": "text", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } } }, "cpe23Uri": { "type": "text", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } } }, "vulnerable": { "type": "boolean" } } }, "operator": { "type": "text", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } } } } } } }, "country": { "type": "keyword" }, "createdBy": { "type": "text" }, "createdTime": { "type": "date" }, "creditLevel": { "type": "integer" }, "cvssInfo": { "properties": { "vKey": { "type": "text", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } } }, "vValue": { "type": "text", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } } } } }, "cvssScore": { "type": "text", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } } }, "cweId": { "type": "text", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } } }, "dataType": { "type": "text" }, "description": { "type": "text" }, "extReferences": { "properties": { "externalId": { "type": "text", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } } }, "sourceName": { "type": "text", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } } }, "url": { "type": "text", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } } } } }, "heat": { "type": "long" }, "hitCount": { "type": "long" }, "hitLastTime": { "type": "date" }, "id": { "type": "keyword" }, "idxKey": { "type": "keyword" }, "interfaceType": { "type": "keyword" }, "iocCreateTime": { "type": "date" }, "labels": { "type": "keyword" }, "lang": { "type": "text" }, "lastUpdated": { "type": "date" }, "modifiedBy": { "type": "text" }, "modifiedTime": { "type": "date" }, "modifyCount": { "type": "long" }, "modifyTime": { "type": "date" }, "name": { "type": "text" }, "observables": { "properties": { "displayName": { "type": "text" }, "type": { "type": "keyword" }, "value": { "type": "keyword" } } }, "operator": { "type": "keyword" }, "pattern": { "type": "text" }, "patternType": { "type": "text" }, "patternVersion": { "type": "text" }, "pocFound": { "type": "boolean" }, "public": { "type": "boolean" }, "query": { "properties": { "bool": { "properties": { "must": { "properties": { "match": { "properties": { "observables": { "properties": { "value": { "type": "text", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } } } } } } }, "term": { "properties": { "revoked": { "type": "text", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } } } } } } }, "must_not": { "properties": { "exists": { "properties": { "field": { "type": "text", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } } } } } } } } } } }, "region": { "type": "keyword" }, "related": { "properties": { "object": { "properties": { "type": { "type": "keyword" }, "value": { "type": "text" } } }, "objectRef": { "properties": { "objId": { "type": "keyword" }, "objTitle": { "type": "text" }, "objType": { "type": "keyword" } } }, "relationship": { "type": "text" }, "threatTypes": { "type": "keyword" } } }, "relatedCount": { "properties": { "infoType": { "type": "keyword" }, "value": { "type": "integer" } } }, "revoked": { "type": "boolean" }, "riskLevel": { "type": "text", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } } }, "solution": { "type": "text", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } } }, "sourceRef": { "type": "text" }, "tag": { "properties": { "tagType": { "type": "keyword" }, "tagValues": { "type": "text" } } }, "threatLevel": { "type": "integer" }, "threatTypes": { "type": "keyword" }, "timestamp": { "type": "date" }, "tlp": { "type": "keyword" }, "type": { "type": "keyword" }, "validFrom": { "type": "date" }, "validUntil": { "type": "date" }, "vulnerabilityIds": { "properties": { "cve": { "type": "text", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } } }, "xf": { "type": "text", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } } } } } } }, "settings": { "index": { "creation_date": "1604625303266", "number_of_shards": "3", "number_of_replicas": "1", "uuid": "uwv6wSdiTA2zY7SEY5ZsOQ", "version": { "created": "7080099" }, "provided_name": "indicator" } } }}

刪除指定index

python

res=requests.delete(es_http+'/'+'new_index',auth=auth) #刪除索引

命令行

curl -u user:12735 -DELETE "http://172.160.100.224:9000/indicator"

filter_path顯示指定字段

python

添加過濾路徑。通過指定字段，只顯示數據的指定字段信息（默認顯示所有字段的信息）。

from elasticsearch import Elasticsearchdef connect_es(): # 連接數據庫 es = Elasticsearch([{'host': 'xxx'}, {'host': 'xxx'}, {'host': 'xxx'}], http_auth=('xxx', 'xxx'), timeout=3600) # es = Elasticsearch([{'host': 'xxx', 'port': 9200}], timeout=3600) # 不需要密碼 return eses = connect_es()index = 'indicator'body = { "query":{ "match_all":{} }}filter_path=['hits.hits._source.labels', # 字段1 'hits.hits._source.category'] # 字段2res = es.search(index=index, body=body, filter_path=filter_path) # 指定字段：filter_pathprint(res)

命令行

curl -u user:123445 -XGET "http://172.160.100.224:9200/indicator/_search?pretty" -H 'Content-Type: application/json' -d'{ "query": { "match_all": {} }, "_source": ["labels", "category"]}'

條件查詢總數

nums = es.count(index='alert', body=body)['count']es.indices.refresh(index="alert")print('------nums------', nums)

翻頁查找

方法1

body={ 'query':{'match_all': {}},}# size：設置一頁數據量result = es.search(index='indicator', scroll='5m', size=5, body=body)es.indices.refresh(index="indicator")# 獲取總的數據量，用于得到總的數據頁數total = result['hits']['total']['value']# 或者nums = es.count(index='alert', body=body)['count']# 獲取初始翻頁idscrid = result['_scroll_id']# 第一頁的數據first_page_data = result['hits']['hits'] # 數據構成的列表# 開始翻頁for i in range(5): #翻5頁 next_page_data = es.scroll(scroll_id=scrid, scroll='5m') next_page_data = next_page_data['hits']['hits'] # 數據構成的列表

方法2（推薦）

# 設置一頁的數據量content_size = 100 # 獲取的總的數據量# 按常規方法進行第一次查詢first_body = { "query": { "match_all": {} }, 'sort': [ {"confidence": "asc"}, {"_id": "desc"}], # 按照confidence和_id排序，后續會根據這兩個值進行排序 'size': 10 # 指定當前頁數據量}first_reslut = es.search(index='tool', body=body)['hits']['hits']es.indices.refresh(index="tool")# 主要內容是first_result['_source']['collectSource']# 獲取最后一個文檔sort后的confidence與id值next_id = first_result[-1]['_source']['sort'] # 返回的結果是[80.0, 'tool-fffa800581654d5fa6ff0051a9e61563']size_cont = len(first_result) while content_size==size_cont: # 若數據量不等于指定的數據量，說明遍歷到最后的一頁數據了 second_body = { "query": { "match_all": {} }, 'sort': [ {"confidence": "asc"}, {"_id": "desc"}], 'search_after': next_id, # second_body和firt_body僅相差一行代碼：從此數據之后的第1個數據開始，但不包含此數據 'size': 10 } next_result = es.search(index='tool', body=body)['hits']['hits'] es.indices.refresh(index="tool") next_id = next_result[-1]['_source']['sort'] for result in next_result: print(result)

Elasticsearch Python

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。