没有合适的资源?快使用搜索试试~ 我知道了~
Tradefinder:一个用于查找两个商人之间最有利可图的交易的网络工具。 非常适合游戏玩家。 :video_game:
共52个文件
js:31个
png:7个
json:2个
需积分: 9 0 下载量 153 浏览量
2021-05-06
09:36:33
上传
评论
收藏 218KB ZIP 举报
温馨提示
寻宝者 一个用于查找两个商人之间最有利可图的交易的网络工具。 非常适合游戏玩家。 :video_game: 关于 Tradefinder是一个网络工具,可在两个位置之间找到最有利可图的交易,其中一个正在出售商品,另一个正在以更高的价格购买该商品。 此外,您可以指定可以购买或出售的金额。 不盈利的交易将被丢弃。 我建立了这个工具来解决自己的问题,因为我觉得要跟踪城市(Windward)或空间站(No Man's Sky)之间的交易价格和金额非常困难。 如何使用Tradefinder 首次打开该工具将为其添加一些示例位置和一些项目,因此您可以立即开始进行实验。 将位置添加到交易概览之后,您可以将项目添加到该位置。 添加后,您可以开始编辑金额或价格。 如果没有出售或购买某件商品,只需将金额和价值保留为零即可。 一旦您添加了至少两个具有相同项目的位置,Tradefinder将计算可能的交易。 如果找到有利可图的交
资源推荐
资源详情
资源评论
收起资源包目录
Tradefinder-main.zip (52个子文件)
Tradefinder-main
index.html 3KB
postcss.config.js 95B
index.css 503B
favicon.ico 7KB
tailwind.config.js 510B
src
layout
Modal.js 959B
Main.js 3KB
Footer.js 502B
Header.js 2KB
App.js 351B
features
about
About.js 1KB
locations
CreateLocationForm.js 1KB
LocationOverview.js 2KB
LocationsSlice.js 6KB
EditLocationForm.js 2KB
options
Options.js 3KB
OptionsSlice.js 609B
data-handling
ImportDataForm.js 1KB
DataHandling.js 2KB
trading
Trades.js 3KB
SelectLocationForm.js 1KB
Item.js 4KB
Location.js 3KB
TradingOverview.js 4KB
SelectItemForm.js 1KB
items
ItemOverview.js 2KB
CreateItemForm.js 918B
ItemsSlice.js 2KB
EditItemForm.js 2KB
app
helper.js 355B
store.js 795B
migrations.js 508B
localstorage.js 790B
preview.png 58KB
assets
tradefinder-social.jpg 44KB
safari-pinned-tab.svg 2KB
android-chrome-512x512.png 5KB
android-chrome-192x192.png 6KB
favicon.svg 7KB
site.webmanifest 462B
apple-touch-icon.png 5KB
favicon-32x32.png 1KB
mstile-150x150.png 3KB
favicon-16x16.png 908B
LICENSE.md 1KB
README.md 2KB
.editorconfig 266B
.gitignore 28B
index.js 391B
browserconfig.xml 253B
package-lock.json 295KB
package.json 648B
共 52 条
- 1
资源评论
Dr熊吉
- 粉丝: 30
- 资源: 4603
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- Picasso_v3.1 2.ipa
- chromedriver-mac-arm64.zip
- 蓝zapro.apk
- chromedriver-linux64.zip
- UCAS研一深度学习实验-MNIST手写数字识别python源码+详细注释(高分项目)
- 基于Python和PyTorch框架完成的一个手写数字识别实验源码(带MINIST手写数字数据集)+详细注释(高分项目)
- 基于Matlab在MNIST数据集上利用CNN完成手写体数字识别任务,并实现单层CNN反向传播算法+源代码+文档说明(高分项目)
- NVIDIA驱动、CUDA和Pytorch及其依赖
- 基于SVM多特征融合的微表情识别python源码+项目说明+详细注释(高分课程设计)
- html动态爱心代码一(附源码)
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功