资讯详情

python面试题搜集

1. Python面试题搜集（一）

2019 Python吐血总结最新面试题及答案16道题！Python面试题集锦(附答案)

Python是目前编程领域最流行的语言。本文将总结Python面试中最常见的50个问题。每个问题都提供了参考答案，希望能帮助你在2019年的求职面试中脱颖而出，找到一份高薪的工作。这些面试问题涉及到Python基础知识、Python编程、数据分析和Python函数库等方面。

img

Python它是一种解释性语言。不同于C语言，Python操作前无需编译。

Python当你声明变量或类似变量时，你不需要声明变量的类型。

Python由于允许类别的定义、组合和继承，适合面向对象的编程。Python没有访问说明(如C 的public，private）。

在Python函数是第一类对象。它们可以分配给变量。类也是第一类对象

编写Python代码快，但运行慢。Python允许基于C的扩展，例如numpy函数库。

Python可用于许多领域。Web应用程序开发、自动化、数学建模、大数据应用程序等。它也经常被用作胶水代码。

Python可以编写脚本，但一般来说，它被认为是一种通用的编程语言。

Python操作前无需解释程序。Python是一种解释性语言。

PEP代表Python Enhancement Proposal。它是一组规则，指定如何格式化Python获得最大可读性的代码。

python内存管理原因Python所有私人堆空间管理。Python对象和数据结构都位于私有堆中。程序员无权访问此私有堆。python解释器负责处理这个问题。

Python对象堆空间分配的原因Python完成内存管理器。API为程序员提供一些编写代码的工具。

Python还有一个内置的垃圾收集器，可以回收所有未使用的内存，并将其用于堆放空间。

命名空间是一个命名系统，用于确保名称是唯一的，以避免命名冲突。

它是导入模块时使用的环境变量。每当导入模块时，也会发现PYTHONPATH检查每个目录中是否有导入模块。解释器使用它来确定要加载的模块。

Python模块是包含Python代码的.py该代码可以是函数类或变量。一些常用的内置模块包括：sys、math、random、data time、JSON。

全局变量：函数外或全局空间中声明的变量称为全局变量。程序中的任何函数都可以访问这些变量。

局部变量:函数中声明的任何变量都称为局部变量。这种变量存在于局部空间，而不是全局空间。

是。Python是区分大小写的语言。

类型转换是指将一种数据类型转换为另一种数据类型。

int（） ?- 将任何数据类型转换为整数类型

float（） ?- 将任何数据类型转换为float类型

ord（） ?- 将字符转换为整数

hex（） – 将整数转换为16制

oct（） ?- 将整数转换为八进制

tuple（） -?该函数用于转换为元组。

set（） -?该函数正在转换为set返回类型。

list（） -?该函数用于将任何数据类型转换为列表类型。

dict（） -?该函数用于将顺序元组(键、值)转换为字典。

str（） -?将整数转换为字符串。

complex（real，imag）? – 该函数将实数转换为复数(实数、图像)数。

要在Windows上安装Python，按以下步骤操作：

安装以下链接python：https：//http://www.python.org/downloads/

下载后，将其安装在您身上PC在命令提示符下使用以下命令进行搜索PC上安装PYTHON的位置：cmd python。

然后转到高级系统设置并添加新的变量变量PYTHON_NAME并粘贴复制路径。

查找路径变量，选择其值并选择编辑。

如果值不存在，请在值的末尾添加分号，然后键入%PYTHON_HOME％

缩进是Python必要的。它指定了一个代码块。循环、类、函数中的所有代码都指定在缩进块中。通常使用四个空格字符。如果不需要缩进您的代码，它将无法准确执行并抛出错误。

Python数组和列表有相同的数据存储方式。但是，数组只能包含单个数据类型元素，而列表可以包含任何数据类型元素。

函数是代码块，只有在被调用时才能执行。Python需要使用中定义函数def关键字。

__init__是Python方法或结构。创建新对象/实例时，自动调用此方法分配内存。所有类别都有__init__方法。

lambda函数也被称为匿名函数，它可以包含任何数量的参数，但只个执行语句。

self是类的实例或对象。Python中，self包含在第一个参数中。Java情况并非如此，它是可选的。它有助于区分具有局部变量的方法和属性。init方法中的self变量引用新创建的对象，而其他方法则引用其方法调用的对象。

[:: – 1]逆转数组或序列的顺序。

可以使用shuffle随机列表函数元素。

代码输出为：

迭代器是可以遍历或迭代的对象。

random模块是用于生成随机数的标准模块。该方法定义为：

作者：前锋教育

链接：https://zhuanlan.zhihu.com/p/71913026

来源：知乎

作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

random.random()方法返回[0，1]范围内的浮点数。该函数产生随机浮点数。随机使用的方法是隐藏实例的绑定方法。可以使用Random例子显示创建不同线程实例的多线程序。其他随机生成器是：

randrange(a,b)：它选择一个整数并定义它[a，b]之间的范围。它通过从指定范围中随机选择元素来返回元素。它不构建范围对象。

uniform(a,b)：它选择一个[a，b)范围内定义的浮点数

normalvariate(mean,sdev)：用于正态分布，其中mean是平均值，sdev用于标准偏差sigma。

使用和实例化Random创建一个独立的多个随机数生成器。

在大多数情况下，xrange和range功能完全相同。他们都提到了。了一种生成整数列表的方法，唯一的区别是range返回一个Python列表对象，x range返回一个xrange对象。这就表示xrange实际上在运行时并不是生成静态列表。它使用称为yielding的特殊技术根据需要创建值。该技术与一种称为生成器的对象一起使用。因此如果你有一个非常巨大的列表，那么就要考虑xrange。

Python中的注释以＃字符开头。也可以使用doc-strings（三重引号中包含的字符串）进行注释。

Pickle模块接受任何Python对象并将其转换为字符串表示形式，并使用dump函数将其转储到文件中，此过程称为pickling。从存储的字符串中检索原始Python对象的过程称为unpickling。

返回可迭代项集的函数称为生成器。

在Python中，capitalize()函数可以将字符串的第一个字母大写。如果字符串在开头已经包含大写字母，那么它将返回原始字符串。

要将字符串转换为小写，可以使用lower()函数。

注释多行代码时。所有要注释的行都要在开头前加#。还可以使用快捷方式来注释多行，就是按住Ctrl键并在每个想要包含＃字符的地方左键单击并键入一次＃。

Docstrings实际上不是注释，它们是文档字符串。这些文档字符串在三引号内。它们没有分配给任何变量，因此有时也用于注释。

Operators是特殊函数，它们比较一个或多个值并产生相应的结果。其中is：当2个操作数为true时返回true（例如：“a”是’a’）

not：返回布尔值的倒数

in：检查某个元素是否存在于某个序列中

Help()和dir()这两个函数都可以从Python解释器直接访问，并用于查看内置函数的合并转储。

help()函数：help()函数用于显示文档字符串，还可以查看与模块，关键字，属性等相关的使用信息。

dir()函数：dir()函数用于显示定义的符号。

当Python退出时，尤其是那些对其他对象具有循环引用的Python模块或者从全局名称空间引用的对象并没有被解除分配或释放。

无法解除分配C库保留的那些内存部分。

退出时，由于拥有自己的高效清理机制，Python会尝试取消分配/销毁其他所有对象。

Python中的内置数据类型称为字典。它定义了键和值之间的一对一关系。字典包含一对键及其对应的值。字典由键索引。

三元运算符是用于显示条件语句的运算符。这包含true或false值，并且必须为其评估语句。其基本语法为：

三元运算符是用于显示条件语句的运算符。这包含true或false值，并且必须为其评估语句。其基本语法为：

[on_true] if [expression] else [on_false] x，y = 25,50big = x if x <y else y

Q38、为什么使用* args，* kwargs？*

当我们不确定将多少个参数传递给函数，或者我们想要将存储的列表或参数元组传递给函数时，我们使用* args。当我们不知道将多少关键字参数传递给函数时使用kwargs，或者它可以用于将字典的值作为关键字参数传递。标识符args和kwargs是一个约定，你也可以使用 bob和* billy。

len()函数可用于确定字符串，列表，数组等的长度。

如果要修改字符串，Python的“re”模块提供了3种方法。他们是：

split() – 使用正则表达式模式将给定字符串“拆分”到列表中。

sub() – 查找正则表达式模式匹配的所有子字符串，然后用不同的字符串替换它们

subn() – 它类似于sub()，并且还返回新字符串。

Python中的序列是索引的，它由正数和负数组成。积极的数字使用’0’作为第一个索引，’1’作为第二个索引，进程继续使用。

负数的索引从’-1’开始，表示序列中的最后一个索引，’ – 2’作为倒数第二个索引，序列像正数一样前进。

负索引用于从字符串中删除任何换行符，并允许该字符串除了作为S [： – 1]给出的最后一个字符。负索引还用于显示索引以正确的顺序表示字符串。

Python包是包含多个模块的命名空间。

要在Python中删除文件，您需要导入OS模块。之后，您需要使用os.remove()函数。

Python中的内置类型如下：整型、浮点型、复数、字符串、布尔等。

Python的列表是高效的通用容器。它们支持（相当）有效的插入，删除，追加和连接，Python的列表推导使它们易于构造和操作。

它们有一定的局限性：它们不支持像素化加法和乘法等“向量化”操作，并且它们可以包含不同类型的对象这一事实意味着Python必须存储每个元素的类型信息，并且必须执行类型调度代码在对每个元素进行操作时。

NumPy不仅效率更高; 它也更方便。你可以免费获得大量的向量和矩阵运算，这有时可以避免不必要的工作。它们也得到有效实施。

NumPy数组更快，你可以使用NumPy，FFT，卷积，快速搜索，基本统计，线性代数，直方图等内置。

可以使用append()，extend()和insert(i，x)函数将元素添加到数组中。

可以使用pop()或remove()方法删除数组元素。这两个函数之间的区别在于前者返回已删除的值，而后者则不返回。

Python是一种面向对象的编程语言。这意味着可以通过创建对象模型在python中解决任何程序。同时Python可以被视为程序语言和结构语言。

在创建新实例类型时使用浅拷贝，并保留在新实例中复制的值。浅拷贝用于复制引用指针，就像复制值一样。这些引用指向原始对象，并且在类的任何成员中所做的更改也将影响它的原始副本。浅拷贝允许更快地执行程序，它取决于所使用的数据的大小。

深拷贝用于存储已复制的值。深拷贝不会将引用指针复制到对象。它引用一个对象，并存储一些其他对象指向的新对象。原始副本中所做的更改不会影响使用该对象的任何其他副本。由于为每个被调用的对象创建了某些副本，因此深拷贝会使程序的执行速度变慢。

Python有一个多线程库，但是用多线程来加速代码的效果并不是那么的好，

Python有一个名为Global Interpreter Lock（GIL）的结构。GIL确保每次只能执行一个“线程”。一个线程获取GIL执行相关操作，然后将GIL传递到下一个线程。

虽然看起来程序被多线程并行执行，但它们实际上只是轮流使用相同的CPU核心。

所有这些GIL传递都增加了执行的开销。这意味着多线程并不能让程序运行的更快。

2.Python面试题搜集（二）

2019 Python最新面试题及答案16道题

这篇文章主要介绍了2019 Python最新面试题及答案16道题 ，非常不错，具有一定的参考借鉴价值,需要的朋友可以参考下

答:从三个方面来说,一对象的引用计数机制,二垃圾回收机制,三内存池机制

Python内部使用引用计数，来保持追踪内存中的对象，所有对象都有引用计数。

引用计数增加的情况：

1，一个对象分配一个新名称

2，将其放入一个容器中（如列表、元组或字典）

引用计数减少的情况：

1，使用del语句对对象别名显示的销毁

2，引用超出作用域或被重新赋值

sys.getrefcount( )函数可以获得对象的当前引用计数

多数情况下，引用计数比你猜测得要大得多。对于不可变数据（如数字和字符串），解释器会在程序的不同部分共享内存，以便节约内存。

1，当一个对象的引用计数归零时，它将被垃圾收集机制处理掉。

2，当两个对象a和b相互引用时，del语句可以减少a和b的引用计数，并销毁用于引用底层对象的名称。然而由于每个对象都包含一个对其他对象的应用，因此引用计数不会归零，对象也不会销毁。（从而导致内存泄露）。为解决这一问题，解释器会定期执行一个循环检测器，搜索不可访问对象的循环并删除它们。

Python提供了对内存的垃圾收集机制，但是它将不用的内存放到内存池而不是返回给操作系统。

1，Pymalloc机制。为了加速Python的执行效率，Python引入了一个内存池机制，用于管理对小块内存的申请和释放。

2，Python中所有小于256个字节的对象都使用pymalloc实现的分配器，而大的对象则使用系统的malloc。

3，对于Python对象，如整数，浮点数和List，都有其独立的私有内存池，对象间不共享他们的内存池。也就是说如果你分配又释放了大量的整数，用于缓存这些整数的内存就不能再分配给浮点数。

答：lambda 表达式，通常是在需要一个函数，但是又不想费神去命名一个函数的场合下使用，也就是指匿名函数

lambda函数：首要用途是指点短小的回调函数

?

lambda` `[arguments]:expression``>>> a``=``lambdax,y:x``+``y``>>> a(``3``,``11``)

答：直接使用tuple和list函数就行了，type()可以判断对象的类型

4.请写出一段Python代码实现删除一个list里面的重复元素

答：

1,使用set函数，set(list)

2，使用字典函数，

?

>>>a``=``[``1``,``2``,``4``,``2``,``4``,``5``,``6``,``5``,``7``,``8``,``9``,``0``]``>>> b``=``{}``>>>b``=``b.fromkeys(a)``>>>c``=``list``(b.keys())``>>> c

?

a``=``[``1``,``2``,``4``,``2``,``4``,``5``,``7``,``10``,``5``,``5``,``7``,``8``,``9``,``0``,``3``]``a.sort()``last``=``a[``-``1``]``for` `i inrange(``len``(a)``-``2``,``-``1``,``-``1``):``if` `last``=``=``a[i]:``del` `a[i]``else``:last``=``a[i]``print``(a)

答：赋值（=），就是创建了对象的一个新的引用，修改其中任意一个变量都会影响到另一个。

浅拷贝：创建一个新的对象，但它包含的是对原始对象中包含项的引用（如果用引用的方式修改其中一个对象，另外一个也会修改改变）{1,完全切片方法；2，工厂函数，如list()；3，copy模块的copy()函数}

深拷贝：创建一个新的对象，并且递归的复制它所包含的对象（修改其中一个，另外一个不会改变）{copy模块的deep.deepcopy()函数}

答：try…except…except…[else…][finally…]

执行try下的语句，如果引发异常，则执行过程会跳到except语句。对每个except分支顺序尝试执行，如果引发的异常与except中的异常组匹配，执行相应的语句。如果所有的except都不匹配，则异常会传递到下一个调用本代码的最高层try代码中。

try下的语句正常执行，则执行else块代码。如果发生异常，就不会执行

如果存在finally语句，最后总是会执行。

答：pass语句不会执行任何操作，一般作为占位符或者创建占位程序，whileFalse:pass

答：列出一组数据，经常用在for in range()循环中

答：可以使用re模块中的sub()函数或者subn()函数来进行查询和替换，

格式：sub(replacement, string[,count=0])（replacement是被替换成的文本，string是需要被替换的文本，count是一个可选参数，指最大被替换的数量）

?

>>> ``import` `re``>>>p``=``re.``compile``(‘blue|white|red')``>>>``print``(p.sub(‘colour``','``blue socks ``and` `red shoes'))``colour socks ``and` `colourshoes``>>>``print``(p.sub(‘colour``','``blue socks ``and` `red shoes',count``=``1``))``colour socks ``and` `redshoes

subn()方法执行的效果跟sub()一样，不过它会返回一个二维数组，包括替换后的新的字符串和总共替换的数量

答：re模块中match(pattern,string[,flags]),检查string的开头是否与pattern匹配。

re模块中research(pattern,string[,flags]),在string搜索pattern的第一个匹配值。

?

>>>``print``(re.match(‘``super``', ‘superstition'``).span())``(``0``, ``5``)``>>>``print``(re.match(‘``super``', ‘insuperable'``))``None``>>>``print``(re.search(‘``super``', ‘superstition'``).span())``(``0``, ``5``)``>>>``print``(re.search(‘``super``', ‘insuperable'``).span())``(``2``, ``7``)

答：术语叫贪婪匹配( <.> )和非贪婪匹配(<.?> )

例如:

test

<.*> :

test

<.*?> :

答：random模块

随机整数：random.randint(a,b)：返回随机整数x,a<=x<=b

random.randrange(start,stop,[,step])：返回一个范围在(start,stop,step)之间的随机整数，不包括结束值。

随机实数：random.random( ):返回0到1之间的浮点数

random.uniform(a,b):返回指定范围内的浮点数。

答：PyChecker是一个python代码的静态分析工具，它可以帮助查找python代码的bug, 会对代码的复杂度和格式提出警告

Pylint是另外一个工具可以进行codingstandard检查

答：解决方法是在function的开始插入一个global声明：

def f()

global x

答：单引号和双引号是等效的，如果要换行，需要符号(),三引号则可以直接换行，并且可以包含注释

如果要表示Let’s go 这个字符串

单引号：s4 = ‘Let’s go’

双引号：s5 = “Let’s go”

s6 = ‘I realy like“python”!'

这就是单引号和双引号都可以表示字符串的原因了

以上所述是小编给大家介绍的2019 Python最新面试题及答案16道题,希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对脚本之家网站的支持！ 如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！

3.Python面试题搜集（三）

Python 经典面试题（一）

一、浮点数运算

题目

判断浮点数的运行结果是否相等：

 a = 0.1 b = 0.2 c = 0.3 assert a + b == c

题目解析：

本题考查的是计算机的浮点运算知识点。不仅是 python 语言，其他的编程语言也面临同样的问题：在进行浮点运算的时候，10 进制表示方式会丢掉它的精度，造成运算结果与实际结果不符合。

这是由于底层 CPU 和运算标准通过自己的浮点单位去执行算术时的特征决定的。看似有穷的小数, 在计算机的二进制表示里却是无穷的。

所以在进行高进度浮点运算的时候一定要注意，尤其是自动化测试过程中需要进行断言非常容易出错。

题目答案：

断言失败，抛出 AssertionError 错误。

解决方案：

使用 Decimal 模块：

 from decimal import Decimal  a = 0.1 b = 0.2 c = 0.3 assert Decimal(str(a)) + Decimal(str(b)) == Decimal(str(c))

Decimal() 可以维持浮点数的精度，在金融领域和测试领域等精度要求高的行业有非常大的作用。 但是一定要注意： Decimal() 传的参数一定要是字符串类型，如果是数据类型会再次丢掉精度。

  Decimal(0.1) + Decimal(0.2) == Decimal(0.3)  # False   Decimal('0.1') + Decimal('0.2') == Decimal('0.3')  # True

二、列表的扁平化和降维

题目

有一个二维列表，降成普通的一维的。比如说柠檬班都会有学员分组，我们想通过分组信息去获取所有的学员名称。

 groups = [['huahua', 'xiaojian'], ['musen', 'yuze'], ['keyou']] # 得到结果 ['huahua', 'xiaojian', 'musen', 'yuze', 'keyou']

方法一

最简单的方式可以通过 for 循环的方式一一提取：

 names = [] for group in groups:     for name in group:         names.append(name) print(names)

方法二

但是在面试的时候可能会加一些限制，比如让你用一行代码实现，这个时候就需要对 python 基础有进一步的理解了，比如说使用 sum 函数：

 names = sum(groups, [])

非常简单就实现了同样的功能。 sum 函数为什么可以做到呢？先看一个简单的例子：

 a = sum([1,2,3])

得到的结果是 6， 也就是说， sum 函数会把一个列表里面的每个元素相加。但是 sum 函数还可以有第二个参数：开始值，默认为 0 ， 所以上述过程其实可以写成：

 a = sum([1,2,3], 0) # 0 + 1 + 2 + 3

依据同样的道理，可以对列表进行降维操作：

a = sum([['yuze'], ['is'], ['a']], [])
# [] + ['yuze'] + ['is'] + ['a']
# 列表拼接

方法三

通过列表推导式也可以方便的解决：

a = [e for group in groups for e in group]

三、多重继承

class A:
    def run(self):
        print("a is running")

class B:
    def run(self):
        print("b is running")

class C(A, B):
    pass

# 会打印什么？？？
C().run()

多重继承经常用来出面试题。在这个考题中，C 类的父类 A 和 B 都实现了 run 方法，那在 C 的对象里到底是优先调用哪一个呢？

答案是： a running

菱形问题

class A:
    def run(self):
        print("a running")

class B(A):
    pass

class C(A):
    def run(self):
        print("C running")

class D(B, C):
    pass

# 会打印什么？？？
D().run()

他们的继承关系图可以简化如下，这个问题又称为菱形问题或者钻石问题：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hMhnClAk-1603255929159)(data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAwgAAAGFCAYAAABZtNQ4AAAgAElEQVR4nOzdZ1iVV7r/8Zk5M3NmJjGTYkyMvSH2hhRLAFHsCCqKvSTGispEY2wQaxSNSSxYYgs27BgVW+wdKxaK9N7bht33fr7/F+evZ3IySdQAG/D+XNd+4YX7ee6N4LV+z7rXWn9ACCGEEEIIIf6/P1i6ACGEEEIIIUT5IQFBCCGEEEII8YwEBCGEEEIIIcQzEhCEEEIIIYQQz0hAEEKIcsxsNmMymTAYDKjV6mev4uJiiouLUalUqNVq9Ho9JpPJ0uUKIYSoBCQgCCGEhSmKgtlsxmAwoNFoyMvLIy0tjbi4OB49esTdu3e5du0aJ06c4MSJE4SEhHD06FF++OEHDhw4wPHjx7ly5QphYWHExsaSkZGBRqPBaDRiNpst/fGEEEJUMBIQhBDCAhRFwWg0UlxcTE5ODvHx8dy9e5fTp0+zefNm/Pz8mDhxIh4eHvTo0QNnZ2ccHByws7PDwcEBGxsb2rRpQ5MmTWjRogUdOnSgd+/ejBkzhqVLl3Lq1CkePnxIfHw8eXl56PV6FEWx9McWQghRAUhAEEK80hRFwWQyodfrKS4uftauUxpP3p+GAo1GQ0pKCg8ePGD//v34+/vz8ccf06lTJ2rXrs0777xDtWrVqFOnDs2bN6djx4707NmTUaNGMWjQIMaMGYOXlxceHh44OzvTvHlzatSoQdWqVXnzzTf55z//Se3atXFxcWHUqFGsXr2a0NBQsrKy0Gq1MqsghBDiV0lAEEK8ssxmM8XFxcTGxnL8+HEWL16Mv78/Z86cITs7u0QH0iaTicLCQh48eMCGDRto0aLFswF9nTp16NChA4MGDWLevHls2bKFc+fOkZqaSm5uLoWFhajVanQ6HVqtFr1ej06nQ6PRUFxcTFpaGmFhYZw/f57t27fj4+PDwIEDsbGx4b333qNKlSpUr16dgQMHEhQURHJysswoCCGE+EUSEIQQrxyz2YxarSYsLAxfX18+/PBDWrZsSf/+/RkyZAiOjo4sXLiQqKio373w12g0kpGRwbFjxxg1ahStWrXi/fffp1atWnh4ePDtt99y7tw5oqOjycnJeTaDYTQaURTlJ6//5OnXTCYTRqPx2UxIbm4uUVFRnD59Gn9/f9zd3alXrx5169bFzc2NtWvXEhERgU6nk6AghBDiJyQgCCFeKRqNhvv377No0SJcXFwYPHgwq1at4vTp08TFxZGamkpwcDBDhgxh1apVJCcnv9R9zGYzCQkJbN++ncGDB2NlZUXjxo0ZM2YM3333HefPnyclJQWVSoVOp8NkMpXoQP1paNDpdBQWFpKamsr58+f56quv6NevH02aNMHV1ZWvv/6aR48eYTAYSuzeQgghKjYJCEKISs9gMBATE8P+/fuZMWMGnp6eeHt7ExQUxMOHD8nMzEStVmM2m1EUhcLCQi5fvsylS5fIzMx8oXspikJubi4HDx5kxIgRtG/fnl69erFkyRJCQkKIjY0lLy8PrVZbpk/uFUVBq9WSlZXF/fv3+e677xgxYgQODg707duXgIAA4uPjZatUIYQQEhCEEJWXyWQiKSmJoKAgPvnkE9zc3Pjkk09Yt24dt27dIj8//xef3Gs0GoqKip77ybqiKKhUKq5evcqSJUvo378/Q4cOZcWKFZw6dYqUlJRnIcTSjEYjOTk53Lx5kxUrVtCnTx86deqEt7c3P/74I0VFRZYuUQghhAVJQBBCVEoajYazZ8/i7e1Nly5dcHd3Z+XKlVy7do20tDT0en2J3UtRFOLj4wkICMDLywtPT08WLlzI2bNnSU1NRa1Wl8s+f71eT3JyMsePH2fGjBk4OzvTt29f1q1bR0FBgaXLE0IIYSESEIQQlYrJZCIiIoLly5fTr18/+vbty7x58zh27BhJSUkYjcYSu9fTWYOTJ08yZcoU3NzcmD59Ovv27SM6OhqtVlti9yotiqKgVqt5/PgxGzduxMPDAzs7O3x9fYmIiJC1CUII8QqSgCCEqBSerh0ICQlhypQpdOnShXHjxrFnzx7i4+NLfKBrMBiIi4tj9erVDBgwgL59+7Js2TLu3LmDWq0u0XuVBUVRyMnJITg4mGHDhtGsWTMmTZrEmTNnKCoqKpczIEIIIUqHBAQhRIVnNpvJzc0lODiY3r174+rqypIlS7h37x7FxcUlvjtQUVERt27dYsGCBTg6OuLl5UVQUBCpqaklOkNR1p7OiFy5coVPPvkEKysrPDw8OHXqFHl5eeVi/YQQQojSJwFBCFGhmUwmMjIy2L9/P0OGDKFXr17s2LGDtLS0Et+Rx2g0kpaWxuHDh/H29qZ3794sWLCAixcvlngQsSSDwcCDBw+YOnUqTZs2xdPTkwMHDpCVlSUhQQghXgESEIQQFZbBYCApKYk9e/YwatQoPv74Yy5evIhOpyvR+zzt04+IiGDTpk24u7vj4eHB1q1by3y70rJiNptJSkpi3rx5NG3alN69e7Nnzx4yMjIkJAghRCUnAUEIUSHpdDqePHnC+vXr8fLyYtGiRcTGxpb44FVRFAoKCrh8+TJz5szB1dUVb29vbt++XelPIVYUhYyMDPz9/enUqROurq4EBgaSmZkpIUEIISoxCQhCiArHYDAQHh7+7DTk2bNnk5SUVOKDdbPZTF5eHiEhIUyYMIEePXrg5+dHXFzcKzVALioqYtu2bXTp0oUePXqwe/du8vPzK3U4EkKIV5kEBCFEhWIymYiMjMTPzw9HR0fmzp1LTk5OqdwnMzOTrVu3MmTIEKZNm8bVq1dfqWDw77RaLTt27MDOzo7evXtz7NgxNBqNpcsSQghRCiQgCCEqDEVRSEpKYubMmdja2rJ06VLS09NL5T4xMTHMnj0bT09Ptm7dKgt0geLiYr7++mtsbGwYOXIkt2/fllkEIYSohCQgCCEqhKeD9nnz5tGxY0c+//xzEhMTS3zQbjQauX37NrNnz2b27NmcP38elUr1yocD+N+A9sUXX2BjY8PMmTPJysqSkCCEEJWMBAQhRLmnKAqZmZnMmTOHtm3b8umnnxIREVHiZw6YzWbOnDnDtGnT2L17N/Hx8ZV2l6KXZTKZePLkCfPmzcPR0RFfX1+Sk5MtXZYQQogSJAFBCFHuJScnM3fuXDp37szUqVO5ceMGer2+xO+jKArR0dHcunWLjIyMEj9HobLQ6/Xcv3+fGTNm0LlzZ5YtW1Yq60CEEEJYhgQEIUS5VlhYyJo1a7C1teXjjz/m0qVLqNXqUrufTqdDr9dLS9Fv0Gq1XLhwgVGjRtGlSxeCgoIq9CnSQggh/pcEBCFEuWU0Gtm9ezeOjo54eHhw9OhRCgsLLV2W+P/y8/MJDAzEzs6O/v37ExYWJu1YQghRCUhAEEKUS2azmRs3buDm5kaPHj0ICgoiOztbBqDliKIoREREMG3aNJo0acL8+fPRarWWLksIIcTvJAFBCFHuGI1GoqKiGDNmDO3btycgIICMjAwJB+VQUVERP/zwA/b29tjY2HDnzh1pzxJCiApOAoIQolwxmUykpaXh5+dHrVq18Pb2JjIyUvrbyymz2UxMTAwzZsygZs2aLFq0CLVaLWFOCCEqMAkIQohyQ1EU8vLy2LlzJ40aNaJ79+5cvHhRTuwt59RqNadOnaJ9+/Y4OjoSGxsrO0AJIUQFJgFBCFFuqNVqLly4QLdu3WjYsCHBwcEUFxdXiqfRJpMJtVpdqjswWYrZbCYhIYHPPvuMmjVrcvDgQXQ6naXLEkII8ZIkIAghygWTyURkZCSTJ0+mQYMGzJ8/n+LiYkuXVSIMBgPJycmcOHGC06dPV8p2KY1Gw9mzZ6lWrRpTpkyR3aaEEKICk4AghLA4RVHIysriu+++w8rKilGjRlWKRcmKoqDVaomPj2fTpk20adMGe3t7EhMTK91CXrPZTHR0NE2aNMHFxYXs7GxLlySEEOIlSUAQQlicTqfj9OnTODs74+TkxPXr1ytFOCgsLOTcuXMsW7YMf39/Zs+eTdu2bVmxYkWlXMibmZnJwIEDadKkCXFxcZUuBAkhxKtCAoIQwqIURSE8PJxp06bRsmVLtmzZgl6vt3RZv1t2djbbtm2jc+fOtGrVijVr1hAdHc306dNxcnIiJiam0i3kzcnJ4ZNPPqFOnTrcvXsXg8Fg6ZKEEEK8BAkIQgiLSk9PZ+XKlbRo0YJRo0aRlpZm6ZJ+F0VRyM3NZfXq1djY2NCqVSs+/fRTrly5QlFREUePHuX999/H398flUpl6XJLVH5+PvPnz6du3brcvn1bAoIQQlRQEhCEEBZjMpk4fPgwnTp1wsnJqVIs4M3OzmbFihXY2trSs2dPduzYQWpqKhqNBpPJRFxcHK6urjg5OREeHl7hP++/y8/PZ+7cudSpU4fQ0NBKMRMkhBCvIgkIQgiLUBSFuLg4ZsyYQbNmzZgzZw45OTmWLut3yc7OZsOGDTg5OeHl5cWRI0fIycn5yVoDlUrF6tWrqVOnDlu2bKGgoMCCFZes7OxsRo4cSb169Xjw4EGlCj9CCPEqkYAghLAIrVbLnj176Nq1KwMGDODKlSsVtidfURRycnJYu3YtLi4uDBgwgEOHDlFQUPCzhchGo5FHjx7RpEkT+vfvT0xMTKVYrKwoCgkJCbRr14527dqRkpIii5SFEKKCkoAghLCI+Ph4pk2bRocOHVizZk2F3jdfq9Wybds2nJyc8PDwICgo6Be3+VQUhaKiIkaNGkW9evXYsWMH+fn5ZVxxydPr9Vy/fp3q1aszdOjQSvGZhBDiVSUBQQhR5oxGIz/88APdunXD09OT0NDQCvsU3WAw8OOPP+Lq6krnzp3ZtGkTaWlpv/p5jEYj27Zt44MPPmD48OHP2nFMJhPFxcWoVKoK17+vUqnYs2cP77zzDl999VWlPDFaCCFeFRIQhBBlLjc3l8WLF/Phhx/y5ZdfkpeXZ+mSXorJZOLOnTsMHTqUxo0bs3jxYqKjo3+z995sNnP37l1at25No0aN2LNnDwUFBWRkZHD8+HG2bt3KtWvX0Gq1ZfRJfh9FUUhPT2fBggXUqFGDU6dOVbiAI4QQ4n9JQBBClLkHDx4watQo+vfvz8mTJytkr7rJZCIhIYGJEyfSokULvL29efjw4XNt7fl0K9RJkyZRtWpVZs+eTVxcHAkJCWzdupXRo0fz+eef8/jx4woxs2I0GgkLC6Nfv37Y29sTHR1dYdeTCCGEkIAghLCAgwcP0qVLF6ZMmUJUVJSly3lhJpOJ1NRUvvrqK+rUqcOECROIjIzEYDCgKApmsxmTyfSTl9FoxGg0otVq0el0aDQaDh8+TIMGDejRowfBwcHcvn2bffv2MXr0aPr168fx48crREDIz89nx44d1K9fH29vb4qLiytE3UIIIf4zCQhCiDK3YsUK7OzsWLlyJUVFRZYu54UoikJ2djbbt2+nSZMm9OzZkyNHjvDkyRNiY2MJDw/n/v373L59m9DQUO7cucPdu3e5efMm169f5/Tp05w9e5aQkBC2bt1Ko0aNqFatGu7u7owYMQIXFxdsbW2ZOHEid+7cKfcDbbPZTEREBB9//DHVq1dn//79FXJGSAghxP+SgCCEKFNGoxEfHx/s7OwIDAyscIPJoqIiQkJCcHJyonXr1gQGBrJixQqWLl2Kr68vkydPZvjw4QwcOBAPDw8GDRrEsGHDcHd3p3fv3nTs2BFHR0c6deqEnZ0dtWvX5m9/+xt//etfqVmzJp07d2b27NncuHEDnU5n6Y/7mzQaDSdPnsTW1pbWrVtXmm1bhRDiVSYBQQhRpvLz8xkxYgRdu3bl2LFjli7nhRiNRm7fvo2HhwfW1tasXbuWiIgINm/ezLfffsuyZctYuHAhM2bMYPr06fj4+PDpp58yd+5cZsyYwdixYxk3bhxTp05lzpw5rFq1ikWLFtGiRQtq166Nr68vT548qTAHjCmKQnJyMl9++SWNGzdm1qxZsjhZCCEqAQkIQogylZGRwaBBg+jbty/nzp2zdDnPzWw2Exsby/z587G2tmbZsmWoVCoURUFRlGfrDAwGA1qtFo1Gg0ajQavVotfr0Wq1FBUVUVxcjEajQa/XoygKarWaSZMm0bBhQxYuXEhqaqqlP+pz0+v1nDp1CmdnZ7p06UJ4eLjMHgghRCUgAUEIUaYyMzPx8vKif//+XLx40dLlPLen+/w7ODgwfPhwUlJSSuzaa9eupXnz5gwePJirV69WmLar+Ph45s+fT9OmTVm6dGmFmfkQQgjx6yQgCCHKVHFxMePGjWPAgAEVZgbBYDBw7do1Ro8eTbdu3bh8+XKJbuN59+5dPDw8aN68OZs2baoQbTpGo5Fjx47h4uJCnz59uHv3rqVLEkIIUUIkIAghypTJZMLb25uBAwdy9uxZS5fzmxRFISIigvnz5zNkyBCOHj1a4qcEZ2Zm8q9//Yt69eoxY8aMEp2dKA2KohAWFsaECROwtbVl48aNaDQaS5clhBCihEhAEEKUuaVLl+Lm5saBAwcsXcpvSkhIYMWKFQwaNIi1a9eSn59f4vcwGAzs2bOH9u3b4+HhwbVr10r8HiWpoKCAgIAAHBwcGDNmDNHR0ZYuSQghRAmSgCCEKHMBAQF07dqV9evXl+t2Gq1Wy7Zt2+jVqxfTpk0r1UW4jx8/xtPTk06dOrFv375yuw5BURRu3brFyJEj6dKlC0FBQRViO1YhhBDPTwKCEKLMHTp0iJ49e/LFF1+QmZlp6XL+I6PRyOXLlxk6dCju7u4cOXIErVZbavfLyclhxowZtG3blmXLllFQUFBq9/o90tLSWLp0Ka6urixcuJCUlBTZuUgIISoZCQhCiDJ38+ZNBg8ezLhx47h37165HGAmJiYya9YsHB0dWbZsGenp6aVap0ajYfXq1bRv3x5vb28SExNL7V4vS6PREBgYSPfu3fnoo4+4efNmuZ3pEEII8fIkIAghylxCQgJTpkyhW7du7Ny5E4PBYOmSfkJRFA4dOkSvXr2YOHEit2/fLvUtPE0mE8ePH6dHjx6MGDGCR48eler9XpROp+PSpUv0798fV1dXdu3ahUqlsnRZQgghSoEEBCFEmVOpVKxYsYK2bdvy6aeflrs2o6KiInx9fRk1ahTHjh0r1daifxcXF4e3tzeenp5cuHChTO75PBRFITw8HG9vb+zs7Fi4cCEJCQmWLksIIUQpkYAghChzJpOJw4cP07lzZ3r27MmFCxdK9FyB3ysuLo558+axY8cOsrKyyuy+BoOBjRs3MmjQIAIDA8vF90RRFHJycli1ahUODg5MmDCB0NBQORRNCCEqMQkIQogypygKDx48wMvLi4YNG7Js2TKKioosXdYzsbGxhISEEBsbW+brI86cOcPw4cOZPXt2uViorFar2bNnD05OTri7u3PmzJkym1ERQghhGRIQhBAWkZWVxcyZM/nggw8YPnw4ERERli7pGZPJhNFotMgC3LCwMCZOnMjIkSMJDw8v8/v/O4PBwOXLl+nUqRM2NjYEBgaSl5dn0ZqEEEKUPgkIQgiLMBgMHDhwgI4dO2Jtbc23334rbStASkoKfn5+eHh4cOrUKYvt8GQ0Gnn8+DHdu3enQYMGLF++nNTUVIvUIoQQomxJQBBCWISiKMTExODt7c1bb73FwIEDiY2NtXRZFqfRaNi5cycTJkzg2LFjFgkIJpOJ5ORkxo4dS61atViyZAmJiYnlYk2EEEKI0icBQQhhMXq9no0bN1KrVi2aNm3Kd99998rPIpjNZlJTU7l//75FDiEzm82kp6fj7e3Ne++9x8SJE0lOTpbzDoQQ4hUiAUEIYTGKohAWFsa4ceN48803cXFxKVdrESzFZDJhMBjK/In903Di7+9PtWrVGDlyJJGRkeXunAohhBClSwKCEMKiVCoVO3fupEWLFtSsWZPFixeXi917XjVms5nExESWLVtGs2bN6NSpE1evXkWn01m6NCGEEGVMAoIQwqLMZjMRERFMmzaNN954A3t7e86ePWuxxbmvIkVRyMjIYMuWLTg4ONCxY0cOHjyIWq2WfwchhHgFSUAQQlhccXExR48excHBgbfffpsxY8aQmJgofe9lQFEUsrOzCQwMpGvXrvTo0YOgoCCZxRFCiFeYBAQhhMUpikJqaiqrV6+mTp061K5dm6VLl1JUVCRPsEuR0WgkJiaG9evX06dPH3r06MGuXbvIz8+3dGlCCCEsSAKCEKJcMBqNREREMGHCBN555x2aNWvGuXPn0Gg0li6tUjKZTISFhbFgwQIcHR3p3r07W7ZsITc319KlCSGEsDAJCEKIckOtVnPp0iUGDx5MlSpVGDFiBNevX0etVlu6tEpFr9dz7949PvvsM2xsbOjVqxfbtm0jPT3d0qUJIYQoByQgCCHKFbVazfnz53Fzc6NGjRpMnDiR0NBQtFqtpUurFFQqFZcvX2bKlCm0adOGfv36sW/fPgoLCy1dmhBCiHJCAoIQolxRFAWNRsPVq1f58MMPqVWrFjNnzuTx48fodDpZk/CSFEWhqKiIkydPMmTIEBo3bkz//v0JDg6WcCCEEOInJCAIIcolk8nE7t27sbOzo1mzZixatIj79+9Lu9FLMJlM5ObmcuzYMfr370/z5s0ZNmwYISEhEg6EEEL8jAQEIUS5pdFo2LZtGx06dKBOnTpMnDiRy5cvy+5Gz0lRFPR6PTExMWzbto22bdvSsmVLPvvsMx4+fFjmJzULIYSoGCQgCCHKNaPRyLFjx3B1deXdd9/FxcWFvXv3kp+fL+ck/ApFUVCr1dy7d4/hw4dTo0YNbG1t2blzJ1lZWfK9E0II8YskIAghyj29Xs/Ro0dxcnLi9ddfp2XLlnz11Vekp6fLTMJ/YDabyc/P5/jx43Ts2JHXX3+dAQMGcPPmTTQajXzPhBBC/CoJCEKICkGj0XDw4EF69uzJW2+9RcOGDZkzZw4xMTGWLq1cMRgMPH78mM8//5yGDRtSo0YNvL29iYyMRK/XSzgQQgjxmyQgCCEqhKe78Ny4cYMpU6ZQp04dPvjgA9zd3QkODkalUr3Sg1+DwUB8fDxbtmyhV69eNG3aFDc3N/bv309qaioGg+GV/v4IIYR4fhIQhBAVilarJTw8nNWrV+Pi4kLNmjWxsbFh5syZXLt27ZVqoVEUheLiYh4/fszWrVsZM2YMHTp0oFevXqxZs4Z79+6hUqlkvYEQQogXIgFBCFHhGAwGMjIyuHDhAvPnz6dly5bUrFkTZ2dnfH19X4kzE4qKirhy5QoLFiygd+/etG7dmi5duuDn58elS5fIzMzEaDRaukwhhBAVkAQEIUSFpdPpiImJYfv27QwZMgRra2tq166Nh4cHCxcu5NSpU2RkZFSagbJer+fJkyfs3buXqVOn4urqStOmTWnfvj0TJ05k7969xMTEoNfrLV2qEEKICkwCghCiQnu6Y8/169f5+uuvcXNzo379+lhZWdG9e3f8/PwIDg4mMjISlUpV4fb+N5lMFBQU8ODBAzZu3Mj48eOxt7enRo0atGvXjnHjxrF582bu378v50MIIYQoERIQhBCVgtFoJCsri8uXL7N06VKGDx+OtbU1DRo04MMPP2TChAls2rSJy5cvk5iYWK6fshsMBnJycnj8+DFnz54lICCA0aNH07RpUz744ANatmzJyJEjnwWD/Pz8SjNLIoQQwvIkIAghKp2cnBzu3LnDN998w5gxY3BwcKBx48bY2toycOBAZs6cyffff8+tW7dITEy0+A5IZrMZlUpFSkoKoaGh7Nq1i0WLFjFu3Djc3Nyws7OjXbt29OvXD29vb7777jvu3r1r8bqFEEJUThIQhBCVlslkIjExkf379zN37ly8vLxwdHSkdevW2NraMmrUKBYsWMD27ds5d+4c9+7dIyoqivj4eDIzM1GpVOh0OoxG40vvBKQoCoqiYDabMRgM6HQ68vPzycnJISkpiUePHnHp0iW+//57lixZwvDhw2ndujW1a9fG2toaZ2dnPvroIwICAggLC5MTpIUQQpQ6CQhCiEpNURSMRiMFBQVER0dz/vx5Nm7cyOTJk+nevTt2dnbY2dnRpUsXhg4dyuTJk/n888/59ttv2bdvH2fPnuXGjRuEhYURFRXFkydPiImJITY2lrS0NJKTk0lJSSEjI+PZKzMzk7S0NBISEnjy5Anh4eHcv3+fy5cvc/bsWbZv3866deuYP38+H330ET179sTGxoaWLVvSoUMHPDw8mDp1KmvXruXixYukpKSg1WpltkAIIUSZkIAghCjXnj6BL0l6vZ60tDSuXbvG9u3bWbBgAV5eXnTs2JFGjRpRp04drKysaN++PV27dqVPnz4MGjSIsWPHMnbsWMaPH8+kSZNYuHAhc+fOxc/PD39/f/z9/Vm2bBkrV65k8eLF/Otf/2LcuHGMHj0aT09PevTogaurK9bW1tSrV4/69etjY2ND3759mTx5MsuXLyc4OJjw8HDy8vIwm80SCoQQQpQ5CQhCiHJHURRMJhNqtZrMzEySkpLIy8srtYW4iqJgMBiIiopi9+7dLFmyhLlz5+Lt7Y2npyf29vY0bNiQGjVqUK1aNd5++23eeOMN3njjDV5//XVee+01qlSpwltvvcXbb7/Nu+++y7vvvst7771H7dq1qV+/Ps2bN8fV1ZXBgwczYsQI/vWvf7FhwwbCwsLkMDMhhBDligQEIUS5oigKGo2GmJgY9u/fz/jx43FxccHf35/4+PhSf6JuNpvR6/XodDqKiorIzMwkMjKS69evExISwpYtW1iwYAHTpk1j8uTJeHp64unpyejRo5k/fz5ffPEFK1eu5JtvvmHr1q2cO3eO27dvc/v2bZKSksjOziY3Nxe1Wo3RaJQZAiGEEOWOBAQhRLlhMpnIycnhwIEDODs7889//pO33noLKysrFi1aRGxsrEWetD9tc3q62PjfXyaT6dnr/37taYtQabRJ/acapayVvIwAACAASURBVCVJCCFESZCAIISwOEVRKCgo4Pjx47i7u1OjRg2aN2/OvHnzuHz5MmlpaRQXF1e4Q87KUmpqKufPn+f27duWLkUIIUQFJwFBCGFRarWa0NBQPv/8c9q0aUOzZs3w9vbmxx9/JD09HZ1OJ0/Fn0NERASzZ8/mk08+4cGDB/I9E0II8dIkIAghLEJRFFQqFUeOHKF///40btyYHj16EBgYSGxsLBqNRga5LyA3N5etW7fi7u6On58f+fn5li5JCCFEBSUBQQhR5sxmM7GxsXz77bc4OzvTokULxo8fz8WLF59t7ylejMlkIioqivnz59OjRw9OnDghAUsIIcRLkYAghCgziqKg1Wo5f/48M2bMwNHRkV69erFixQru3LmDXq+3dIkVmlar5fjx4wwcOBBvb29SUlIsXZIQQogKSAKCEKJMKIpCdnY2hw8fZvjw4bi4uDBp0iQOHjxISkpKqZ1x8CpRFIXExET8/f358MMP2bx5s3xfhRBCvDAJCEKIUqcoChEREQQEBNCvXz/69OnDsmXLuHXrFiqVSlphSpBer+fy5ct4enrSr18/oqOjLV2SEEKICkYCghCi1CiKQlFREZcuXcLHxwcnJyeGDBnCzp07SU5Olm1LS0l2djabN2/G3t6eVatWyYJvIYQQL0QCghCiVJjNZnJzczly5Ah9+/alRYsWjB49mosXL1JUVCQD1lJkMpl4/PgxI0aMoEOHDty5cweDwWDpsoQQQlQQEhCEECXOaDSSlpbG7t27n+1SNGfOHO7du4dGo7F0ea+EvLw8tmzZQq1atfj888/JysqS3aGEEEI8FwkIQogSoygKarWayMhI1q5dS7t27WjdujXr16+XAWoZM5vNREdH0717d6ysrDhz5gxardbSZQkhhKgAJCAIIUqEoijk5+dz7tw5xo8fT926denevTsXL15Er9dLS5EF5Ofns3btWt58800mTpxIenq6/DsIIYT4TRIQhBC/m9lsJi8vj7179+Ls7MwHH3yAh4cHt27dkoXIFmQ0GomLi6Ndu3Y0btyYy5cvyyyCEEKI3yQBQQjxuyiKQnJyMitXrqRFixbUqVOHqVOnyi5F5URxcTFffPEFVatWZdy4ccTFxcksghBCiF8lAUEI8dIUReHGjRtMmjSJRo0a0aZNG5YtW0ZCQoKEg3LCZDLx4MEDHB0dqV+/PkePHkWtVlu6LCGEEOWYBAQhxAt7uhj51KlTDBs2DCsrK3r16sX27dtJSkqScFCOKIqCVqtl9erVVK9enfHjxxMRESELxoUQQvwiCQhCiBemUqn4/vvv6datG40aNWLEiBGEhISQm5sr4aAcUhSFR48e8eGHH2JjY8ORI0coLi62dFlCCCHKKQkIQojnpigKMTExrFq1is6dO9OhQwfmzp3LtWvXUKlUli5P/Aq1Ws2SJUto1KgRc+bMIS4uztIlCSGEKKckIAghfpOiKGg0Gm7evIm3tzcdO3ZkwIABbNmyhSdPnsjOOBWAoijcvXuXbt264eTkxP79+yksLLR0WUIIIcohCQhCiF9lMpnIyMhg//79DB06lObNmzN69GiOHj1Kdna29LJXIBqNhqVLl9KqVSs+/fRTIiMjZUcjIYQQPyMBQQjxi7RaLQ8fPmT58uU4OztjZ2fH7NmzuXLlCiqVSgaXFVBoaChubm44Ozuzb98+2dFICCHEz0hAEEL8jKIoqFQqrl+/zowZM2jatCn29vasXbuWtLQ0WYhcgalUKr755hvatm3LlClTePz4scwCCSGE+AkJCEKInzCbzWRlZRESEsKECRNo1qwZ/fr1IzAwkMLCQhlMVnCKohAREcGoUaPo3Lkza9euJTMz09JlCSGEKEckIAghntHr9SQkJLBt2zbc3Nxo06YN48eP5+rVq2g0GkuXJ0qIVqslMDCQzp0706dPH44fP47BYLB0WUIIIcoJCQhCVCIGg4H8/HyysrIoLCzEaDQ+1/sURaG4uJgHDx7g6+tLq1ataNeuHQsXLiQtLU3WGlQyiqKQkZHBZ599RtOmTfHx8SEhIUFmh4QQQgASEISoVBISEtiyZQtz585l165dpKam/uZ7FEWhsLCQo0eP4uXlhZWVFb179yYoKIiCggIJB5WUoiicOXOGPn360K5dOwICAigqKrJ0WUIIIcoBCQhCVCKJiYmsWrUKJycnhg4dyvnz53/175vNZvLz8wkICMDBwYF69eoxYcIEbt26JQuRXwF5eXl8/fXXNGnShK5du3L27NnnnnUSQghReUlAEKISMZvNXL58mWHDhj3boeaXKIrC48ePmT59Oo0bN6Zr167s3LmTzMxMCQevCEVRiI6OZurUqbzzzjv07t2bK1euWLosIYQQFiYBQYhKQlEUsrOz+fzzzxkwYAB79+79j3vcK4pCXl4eR44coWfPnlhZWeHt7c3FixfJz8+XPvRXjEajYf/+/djb2/Pee+/x0UcfkZiYaOmyhBBCWJAEBCEqgafrCNavX0/37t2ZN28eT548+dn6AaPRSHJyMgsWLMDGxgYrKyumT5/O7du3UavVst7gFWQ2m0lNTeWrr76iVq1aNGzYkOXLl0tQFEKIV5gEBCEqAa1Wy44dO+jatSve3t7cuHEDrVb7s79z7949vL29qVevHg4ODqxbt46IiIif/V3xajEajdy9e5cxY8bw5ptvYmtry61btyQkCCHEK0oCghAVnNls5sSJE/Tt25eRI0dy5swZiouLn33dZDKRlZVFcHAwXl5eNGnSBDc3Nw4fPkx6erosShXA/5ywfOzYMVxcXPjnP//JyJEjefLkiaxHEUKIV5AEBCEqMJPJxOPHjxkyZAhdu3Zlz5495ObmPmsV0ul0REVFERAQQN++fencuTNz587l7NmzFBcXS0uReEZRFNLS0li9ejW1atXivffew8/Pj+zsbJlJEEKIV4wEBCEqKLPZTFxcHJMnT6ZVq1Z8+eWXxMfHPxvMGQwGQkNDmTVrFj169GDQoEFs3bqVhIQEdDqdhAPxMwaDgYcPH/Lxxx/zl7/8hWbNmnHs2LH/uNhdCCFE5SUBQYgKyGQykZSUxNKlS2nUqBFTp07l5s2bREdHk5ubS3p6OqdOnWLatGm4uLjg4+PDmTNnKCwstHTpopxTq9WcPXuW9u3b8/e//53Bgwfz8OFD9Hq9pUsTQghRRiQgCFHBPN3O9Ouvv6Z58+Z4eXkRGhrKiRMn+PrrrwkKCmLNmjV4enrSu3dv/P39iYqK+o9tImazGZPJJLMJ4icKCwvZuHEjderU4e2332bx4sXEx8eX2XoV+ZkUQgjLkoAgRAWiKApFRUWcPHmSVq1aYWtry/nz50lOTmbChAnY29vj7OyMg4MD/fr1Y+vWraSnp/8sHJhMJjIyMggLC+PJkyfSQiJ+wmQykZKSgo+PD9WqVaNZs2bs3LmT3NzcUr+3Xq8nLi6OoqIiCQlCCGEhEhCEqED0ej337t1jzJgxNG/enE2bNqHRaMjIyGDs2LE0adIEa2trhg8fzrFjx1CpVMD/BAudTkd2djZPnjwhNDSU77//Hj8/P/bu3UtWVpaFP5kob8xmM0+ePGHAgAG8+eabuLu7c/Xq1VJvNSooKGD9+vWEh4fLDltCCGEhEhCEqCAURSElJQV/f3+sra1Zvnw5KpUKRVEwGAwEBwezcOFCdu7cSWxsLHq9HqPRiFqtJj09nVu3brFu3TrGjBlD3759+fzzzzl58qTsUiN+kclk4tKlS9jZ2VGjRg38/PyIi4sr1Sf7er2emTNncuzYMVkzI4QQFiIBQYgKQqfTcfbsWbp3746rqyvp6ek/+brRaESr1aLRaCgsLCQjI4PIyEiOHz/O/PnzcXd3x83NjYULF3Lx4kUKCgpkj3vxm3Q6HatXr6Zx48Y0bdqUHTt2PJuZKg2KojB79mw2bNhASkpKqd1HCCHEL5OAIEQFkZOTw4YNG2jVqhULFy7EaDSiKAqKomA0GlGpVDx58oR9+/bh6+vLiBEjcHZ2xt7eniFDhrBhwwbi4+Olr1u8sPT0dD7++GPef/99+vXrx/nz50u1/Wfjxo3MmjWLBw8elNo9hBBC/DIJCEJUENnZ2QQEBFCrVi1atmyJj48Ps2fPZsKECbi7u9OoUSOqVq3Km2++Sd26dRk8eDA7d+4kJiaGoqIidDqdtBKJl2I2mwkPD2f48OG89957TJgwgfDw8FILmwcOHMDd3Z1Tp07JLJcQQliABAQhKgidTsedO3eYPn06bdu2xdrammbNmmFtbU379u3p3bs3kydPZs2aNZw4cYLIyEgKCwtlgCVKhF6v5/Tp07i6utKsWTMWL15MUlJSqdxr3759ODg4sH37doqKikrlHkIIIX6ZBAQhKghFUdBoNCQkJHDhwgV27tzJ3r17CQoK4uLFizx+/JikpCRyc3NRq9XPWpCEKCkFBQWsXbuWdu3aYWtry/bt20ul1Sg4OBgbGxtWr15dJlurCiGE+CkJCEJUMGazGZ1OR35+PoWFhRQUFEj7kCgTT7c+9fHxoUGDBgwZMoQ7d+6U+M/epUuXsLW1xc/Pr9RmKYQQQvwyCQhCCCGem16v58cff8Td3Z0mTZrwxRdfkJmZWaL3uHr1Kra2tsyZM4f4+PgSvbYQQojfJgFBCCHEC8nKymLNmjW0adMGR0dHjh49WqKtRpcuXaJ9+/bMmjWLuLi4EruuEEKI5yMBQQghxAsxmUw8evSIyZMnU7duXSZMmEBUVFSJXf9pi5Gvry+JiYkldl0hhBDPRwKCEEKIF6bX6zl8+DAdOnSgZcuWrFmzBp1OVyLXPnnyJO3bt+fLL7/82YGAQgghSp8EBCGEEC9MURQSExNZsmQJDRs2pFevXoSFhZXIzlk7d+6kVatWrFy5ssTXNwghhPhtEhCEEEK8FLPZzPXr13Fzc6Nu3brMmzePgoKC333dtWvX0rx5czZt2kRhYWEJVCqEEOJFSEAQQgjx0jIzMwkICKBevXo0aNCAkydPYjAYXvp6JpOJWbNmYW1tzf79+3/XtYQQQrwcCQhCCCFemslk4sGDBwwbNow33niDfv36kZyc/NJnI+Tl5dGnTx+aNGlCSEiInO8hhBAWIAFBCCHE71JYWMjBgwepW7cu1apVY9euXajV6he+jqIoREZGYm9vT5cuXbh69aqcBi6EEBYgAUEIIcTvYjabSUxMZOrUqfz1r3/F3t6e6OhoTCbTC19n165dNGjQgDFjxhAeHl5KFQshhPg1EhCE+A0Gg4H09HTu37/P2bNnCQwMZPHixUybNo3hw4fTtWtXPvzwQ5ydnWndujWurq44OjrSq1cvRo4cyZw5c1i9ejWBgYGEhITw+PFjcnNzUavV0j4hygWVSsWlS5dYunQpixYtYvPmzVy5coXMzMznHuSr1WrOnDnDO++8w2uvvYafnx9ZWVkvNANgMBjw8fGhTp06fP3117KDkRBCWIgEBCH+D0VR0Gg0JCYmcvDgQWbNmkW/fv1o3749VlZW1KxZk3fffZd33nmHt956iypVqvDGG2/wxhtvUKVKFd566y1ee+01XnvtNapUqcI777zD+++/T40aNWjYsCEdOnRgwIABfPTRRyxYsICgoCCioqLIycnBYDBIS4Uoc3l5eRw/fpzJkyfTtWtXWrRoQatWrXBzc8PX15eLFy+Snp6OTqf7xZ9Ps9lMWloa48eP57//+79p1qwZV65cee6zERRFobCwkL59+2JjY8PJkyfRarUl+TGFEEI8JwkIQvA/hz7l5uaSkJDA2bNn8fX1xdXVFWtra6pXr07VqlWpX78+3bp1w8PDg/79+zNhwgR8fX2ZP38+CxcuZMGCBXz55ZcsX76cuXPnMnPmTKZPn864ceMYNGgQ3bt3x9HREXt7e5o2bUrNmjWpVasWVlZWdOjQgUGDBrFy5UquX79Obm7uC7dnCPGyjEYjeXl5REdHc+PGDXbv3v0sGLdq1QobGxsGDx7MihUrCA0Npaio6D9eR6fTce7cORo0aMDf//53Pv74Y6Kiop5rpsxsNnP79m0aNGjAkCFDCA8Pl7AshBAWIgFBvJJMJhO5ubk8fPiQ3bt34+Pjw6BBg+jTpw8ODg7UqlWLv/3tb1StWpWZM2eydetWfvjhB65fv87du3e5d+8eUVFRJCUlkZSUREpKCikpKaSlpZGenk5SUhIJCQnExsYSGRlJWFgYoaGhXL16lfPnz3P06FECAwP58ssv8fDwwNbWlnr16mFtbY2TkxMTJkxg586dREREUFxcLAMlUSYURcFoNFJQUEBsbCw3btxg7969zJo1Czc3NxwcHHB1dcXHx4dDhw6RnJyM0Wj8yftzcnIYN24c//jHP2jQoAF79ux5rrMRDAYD27Zto0aNGqxevZrs7OzS/KhCCCF+hQQE8UpQFAWTyURBQQGRkZEcPHgQX19fRo0aRffu3WnUqBFvvPEGtWvXpk+fPowcOZJWrVpRvXp1vv/+ezIyMtDr9ZhMJsxmM2az+bkH7YqiPHuPyWTCaDSi1+spLi4mPT2dmzdvEhwczMqVK5k0aRK2trY0bNiQ9u3bM3LkSDZu3MijR49Qq9USFESZefo7o1ariY2N5fTp06xcuZJ+/frRunVrnJyc8Pb2JigoiPj4+GdBwWg0curUKRo3bszrr7/O8OHDuX///q/OIiiKQn5+Pt7e3rRr144LFy5Ie5EQQliQBATxSsjIyCA4OJgFCxbw0Ucf4enpybBhw5g+fTrjx4/H3t4eW1tb/Pz8uHDhAvfu3WPXrl188sknBAcHk5+fX2q1KYqCTqcjMzOTx48fs3//fnx9ffH09MTOzo4OHTowevRotm7dSnx8vCxsFhah1+tJT0/n3LlzLF++nIEDB9KmTRs6d+7MZ599xvnz59FqtSiKQm5uLjNnzuTdd9+lXr16bN++/Vd/h/R6PZcuXcLW1pZhw4YRHR0tP+dCCGFBEhBEpWU2m8nNzeXChQssXryY3r174+TkxLBhw1i2bBlHjx7l4sWLrFq1itGjR7Nt2zaSkpKevV+j0XD//n1iYmLK9GmmwWAgLS2Na9euERAQwMiRI2nbti329vbMmzePa9euodFoyqweIf6d2WwmKyuL8+fPs3jx4meLij09Pfn+++9JT0/HZDJx69Yt2rZty2uvvcawYcMIDQ39j+tqnrYl+fj48P7777Np0yby8vIsPlv2tN3KYDBgNBopLCwkLy+PzMxMMjIySEtLIysri7y8PPLz89FoNM9mGIUQoqKTgCAqHUVRUKvVPHr0iA0bNuDl5UXnzp0ZMWIEq1evJjQ0lPz8fPR6PdeuXcPPz49169ahUql+dp2nL0t9DpVKxZ07d/D396dr1640a9aMUaNGERISQn5+vsUHUeLVZTKZyMrK4syZM8ycOZPOnTtjZ2fHqlWrePjwIXl5efTs2ZN//OMf1KxZk1WrVpGenv6zn1mdTsfNmzdp1qwZ1tbWPHr06CfrGsricxgMBvR6PUVFRaSmphIZGcnNmzcJCQnh0KFDHDx4kE2bNrF27Vr8/f1ZtmwZS5YsYeXKlaxZs4Z169YRGBjIoUOHCAkJ4dKlS9y5c4eHDx+SlJRETk4OxcXFv7oLlBBClCcSEESl8nSrxPPnzzN9+nQcHBzw8vJixYoV3Lt3D5VK9ewJn1ar5dSpU2zcuJHIyEgLV/7LzGYzmZmZHDp0iOHDh9OmTRt69OjBjh07yMrKkieWwqL0ej1xcXFs3rwZFxcXrK2tmTRpEmfPnmXo0KG8/fbb/PnPf6Z3796cPn0avV7/7L2KopCZmcnSpUt5++23GT58ODk5OT+5fmmE9KdrK+Lj47l16xbnz5/n9OnT7Nq1i8WLFzNlyhQGDx5M165dcXJywtnZmXbt2mFra0v79u2fvf79zw4ODjg4ONCpUyd69eqFl5cXY8eOZd68eXz77bcEBQVx4sQJwsPDycrKQq/XS1gQQpRbEhBEpfG0NeeHH35gzJgx2Nvb4+3tzYMHD571Rv87vV5PdHQ0ERERFWJLUY1Gw927d5kzZw5NmzalefPmbNmyhezsbAkJwqIURSEvL4+DBw/i4uLCBx98gLu7O2PGjKFWrVr813/9F9WrV8fX15fExMRn79Pr9dy4cYOOHTtSu3Ztdu3a9ax97ml4uHv3LtevXycmJuZ3tdaZTCYKCwuJjY3l0qVLz3Zn8vT0pE+fPri7u+Pi4oKDgwMdOnTA1dUVLy8vxo8fj4+PD97e3syePZvFixezdOlS/P39WbRoEXPmzGH27Nn4+PgwduxY+vfvT7du3ejUqRNt2rTB2toaa2tr7O3t6dq1K97e3nz77bccP36c+/fvk5ycTGFhoQQGIUS5IgFBVAoajYaIiAi++eYbunbtSt++fdmxY8dzH9JUUTwdNK1fv55mzZrRvHlzdu/eLe1GolzQ6/Xcvn0bLy8v3n33XerXr0/VqlX585//zB//+EccHBwICgpCo9FgNBqJjY1l8eLFvPXWW7i7u5OcnPys5SclJYWAgAD69+9Pz5498ff3Jy4u7oVrMhqN5ObmPtsAYMqUKbRq1YqqVavy3nvv0bhxY3r27Mn06dPZsGEDp0+fJjw8nLy8vJcK3mazGbVaTWJiIhcvXmTLli3MnTuX8ePH4+7ujq2tLY0aNcLa2pq+ffvi5+fH3r17uXHjBsnJyRQVFcmBiUIIi5OAICo8jUbDtWvX8PHxwdnZmenTp3Pnzp1KFw6eevq0dseOHbRu3Rp7e3suXbokC5dFuWA0Gnny5AkfffQR1atX5y9/+Qt//OMf+cMf/kCVKlUYPnw4oaGhpKamsnr1aurVq8cHH3zAjh07nm0BHB4ezty5c+nRowe+vr6cOXOGx48f/6z96Nc83R0sKiqKgIAA+vbti5WVFdbW1vTs2ZNx48axdOlSTp06RVxcHGq1GpPJVOIDc7PZjMFgoLi4mIyMDMLDw/nhhx/w9fXFw8MDOzs7WrZsSefOnfH29ubAgQM8ePAAlUolQUEIYTESEESF9XQAcO7cOUaPHk2XLl1YtWoVGRkZlb7lRlEUioqK2LVrF3Xr1mXkyJGEhYVhMBgsXZoQKIpCamoqEyZM4P333+dPf/oTf/jDH/jjH/+IlZUVy5Yt4+DBg7Rr147XXnuNnj17kp6ejl6v586dO4wdOxZHR0fWrVtHcnLyC/8+P13gf/nyZSZPnoyVlRUtWrRg/PjxHDt2rFz8H/G0JfL69eusX7+eYcOG0apVK5o2bUrv3r357rvvuH//Pnl5eRIUhBBlTgKCqLC0Wi2HDx/GxcUFV1dXgoOD/+Nag8rq6W5Nc+bMoX79+ixatIjk5GRLlyUE8D8/n2lpaUycOJFq1ao9m0X405/+RLVq1WjYsCH/+Mc/sLGx4erVq2i1Wn788Uc6depEnz59OHbsGAUFBS/1+5yTk8O6devo1q0bAwYMYNu2bcTGxmIwGF7okMPS9vQQRZPJhFarJTU1lSNHjjB06FCsrKyoUaMGbm5uHDhw4Nn2sUIIURYkIIgKKTs7mw0bNtC5c2d69OjB7t27y8Xe6WXNbDYTFRWFg4MDzZs3Z//+/RQVFVm6LCGA/1kYHB8fz/Lly2ndujV//etfn4WEKlWq0LFjRwIDA0lLS+Obb76hefPmODk58eOPP1JYWPjCT/lNJhPR0dEsWLCAUaNGERAQQFRUFMXFxWW6derLMpvNaDQakpKSOHfuHD4+PlhbW1O/fn3c3Nz4/vvvSUxMlJlCIUSpk4AgKpSnbUUBAQHY29vTsWNHNm/e/Epv96nX6/niiy9o2LAh8+bNIz4+/pULSqL8MplMZGZmsnv3btzd3Xn33Xf5wx/+QJ06dfDz8yMyMpKAgACsrKxo3rw5hw4deqlF94qi8OTJE+bPn4+vry+nT58mMzOzQgSD/+tpUEhJSSE4OJhRo0Y9Wz/xySefcOzYsWf/58nvuhCiNEhAEBWKXq8nMDAQe3t7HB0d2bx5M6mpqa9sOHgqNDQUV1dXXF1d+fHHHyvkoEhUXoqikJ+fz927d5k/fz4NGzakUaNGzJs3jzVr1tCkSRNsbW0JCgoiNzf3pXcPCgkJYc+ePYT9P/buMyrqc93//4Ozz1ln97Ozc5JsUzR2BUVQsSCiAgIqggqIPYqKJaJR1ChYYkti7LEkxiiCBTURxR57EIgdBRWpUpTeBgaY8v2+/w/2H387J2VrFGaA67UWK2spYa4RmLk/d7nuO3coLy+v968LNWeNkpKSCA0Nxd3dnbZt22Jra8uiRYuIi4v70b0SQgjxskhAEPVCzX77ffv2YW9vT58+fdi+fftvOsDYEJWXl7Ny5UqsrKxYu3YteXl5pi5JiJ/Q6/UkJSXx5ZdfMm3aNCZOnEi3bt3o1KkT4eHhv7m1KPzzNSIjI4OcnJwG18GspnNZdHQ0H3/8Mf3798fGxgZfX1927dpFVlaWrCQIIV4qCQiiXtDpdHz33Xf07t2bli1bsmnTJjIzM+XQ3v9PVVViY2Pp168ffn5+3Lp1SwYMwiwZDAbi4+MJDg5+egPx1q1bX8pdHg19y43BYCArK4vjx48/vSne3t6e5cuXk5CQgMFgaNDPXwhRdyQgCLOn1+tJSEjAw8ODpk2bMm/ePJKSkmQbzf9RWFiIv78/gwYNIiIiosHNoor6T1VVCgoKCA0NpX///jg6OvLll1+Sm5srA9vnUFlZyb1799i2bRvDhg2jR48eTJw4kcjISGlSIIR4KSQgCLNmNBrJyspi8eLFvPHGG0yZMoWEhATZd/szdDoda9aswdHRkc8//5zi4mJTlyTEj5SWlhIREYG3tzcuLi7s3LmTgoICU5dVbxUVFXH69GmmTZtG586dGTBgAOHh4XKzuhDihUlAEGZLVVWKiorYv38/HTp0wN3dnevXr8vM+C9QFIUDBw7g4ODA1PjTrgAAIABJREFU/PnzSU9PN3VJQjyl0Wg4d+4cfn5+uLu7s3v3boqKikxdVr2mqipVVVXEx8ezfPlyunTpgoODA7t37yY/P1+2YAohfjMJCMJsVVRUcOHCBby8vLC1teXYsWNUVlbKzNgvqDmH4OrqyqhRo7h+/bqpSxIC+OelhhcuXGDKlCl4eHjwxRdfUFRUJL/LL4nRaOTRo0esWbOG7t27Y21tzVdffcWjR49kK6YQ4jeRgCDMktFo5P79+wQEBGBlZcW2bdvkcqBnoNFomDRpEm5ubpw8edLU5QiB0WgkLi6OyZMn06dPHzZs2CBdtmqBoigUFBQQEhKCjY0NlpaWrF69mrS0NAkJQojnJgFBmJ2arUUhISFYW1szadIkCgsLZbbxGaiqSlBQEC4uLhw4cMDU5YhGTlEUsrKyWLBgAQ4ODixfvlwu8qtFNe2gz507R9++fWnVqhVr166Vjm9CiOcmAUGYHaPRyPXr15k4cSLOzs5cunTJ1CXVKxs3bmTQoEHs3LlTZg6FSRUVFbFu3Trs7e1ZsGABDx48kHtL6oDRaOTKlSu4u7vTsWNHwsLCZJJFCPFcJCAIs5Ofn8+6deuwtbVlw4YNcij5OX311Vc4OzvzySefUFJSYupyRCOlKApff/01HTp0YMyYMdy4cUPCQR1SVZV79+4xbNgwPDw8OHbsGBqNxtRlCSHqCQkIwqzodDqOHTuGk5MTgwYN4uHDh6Yuqd7Zs2cPjo6OfPjhhzx+/NjU5YhGSFVVEhMTsbOzo0OHDuzfv5+ysjKZwa5jNWe5Ro8ejaurK0eOHJEW0UKIZyIBQZiVnJwcPv74YxwcHFi3bh1ardbUJdU7R48eZcCAAQQGBpKRkWHqckQjo6oqJSUlzJw5k2bNmrFo0SLS0tJk9cBE9Ho93333Hd7e3kyaNImYmBgJakKIf0sCgjArN27cYMKECXh6enL16lUZVPwGly5dwsfHh8DAQB49emTqckQjU1VVxe7du3n33XcZN24cN2/elG2CJlZaWsqhQ4cYMWIEH3/8MU+ePDF1SUIIMycBQZgNo9FIWFgYTk5OzJ8/n9LSUlOXVC/FxMTg6+vLzJkzSUlJMXU5ohExGAzcv38fFxcXOnXqxKlTpygvLzd1WY2eqqo8efKETZs2MW7cOHbu3CnfFyHEr5KAIMxGQUEBS5cuxcXFhb1795r16oFWq+XGjRvs2LGDrVu3EhYWxunTp7l58yYZGRmUl5ebrP7o6Gh8fX2ZNWsWqampJqlBNE6lpaWsW7eOpk2b8tFHH/HkyROz/j1uTAwGA0lJSSxbtowPPviAH374Qb43QohfJAFBmI379+/z/vvvM3bsWLO/BbigoICDBw8yfvx4PDw88PLywt3dncGDBzNx4kTWrl3LzZs3KS8vr/P9vrGxsYwaNYrAwEDS09Pr9LFF42U0GklKSsLBwYFevXpx69YtORBrZmrOIwQEBPDZZ59RUFBg6pKEEGZKAoIwC6qqcvbsWcaMGcOCBQvMqvtOeXk5+fn5VFVVPf2ziooK4uPjiYiIYM+ePYSEhPDJJ58wY8YMRo4ciYeHBxMnTmTXrl1kZmbW6UzdlStXGDlyJPPnzyczM7POHlc0XqqqUlxcTEhICG3atGHTpk2yhcVMZWVlsXLlSry9vTl27JgcWBZC/CwJCMIsGAwGduzYgbe3N1u3bjWr7kX3798nLCyMhIQE9Hr9z36OqqpUVlaSlZVFdHQ0X331Ff7+/vj6+hIeHk5hYWGd1Xvp0iVGjBhBUFCQWQUt0XBVV1dz7do1hg4diqenJ+np6XJzr5nS6XQcPnwYd3d3AgICyMvLM3VJQggzJAFBmIWqqiqWLl3K8OHDOXnypFntjb1+/Trjx49n3759z3TxmKqqVFVVER8fz4QJE5g1axa3bt2qs5m6U6dO4e3tzeLFi8nJyamTxxSNW0FBAdu2baNdu3bs2LFDbvA2c4mJiQQGBuLk5MSxY8ckzAkhfkICgjALRUVF+Pv7M2LECLM7f5CTk4O/vz9ffvnlcw24nzx5wuTJkxk7dizff/99nYWePXv24OLiwtKlS8nPz6+TxxSNl6Io3Lt3j6lTp+Lk5ERmZqZsWzFz5eXlhIeH4+TkxIwZM6RjnBDiJyQgCLPw4MEDvL298fX15ebNm6Yu50cMBgNBQUHs3bv3mQ/1KYrCuXPncHJyIjAwkAcPHtRylf/P9u3bcXJyYvXq1Wg0mjp7XNE4VVRUcPz4cTw8PFi9erWsHtQDqqoSHx+Pv78/dnZ2xMfHm7okIYSZkYAgzML58+dxdnZm/PjxdTqYfhbl5eUsWLCAAwcOUFRU9G8/X1VVCgoK+OCDD+jWrRuhoaGUlZXVQaX/tHbtWvr06cPWrVtlsCZqXWZmJqtXr2bo0KEkJCTI6kE9UVpayo4dO+jYsSO7du0yq22dQgjTk4AgzMKVK1dwd3dn9uzZZrdvPicnhzlz5vDNN9/82zMIqqpSUVHB9u3b6dixI5MmTarzQdPixYvp3bs3ISEhMlgTtUpVVa5du8bkyZMJDg6WQWY9YjAYuHDhAs7Ozrz//vtUVFSYuiQhhBmRgCDMQkJCAt7e3gQGBtZpx59ncePGDSZOnEhkZOS/7a6k0+k4ePAgTZs2xdPTk6tXr/5i56PaoKoqCxcuZMCAAXz77bd19riicaqoqGD//v0MGjSII0eOmLock6ivIVxVVZKSkggMDKR///6kpaWZuiQhhBmRgCDMwqVLl3BxcWHevHnPtI2nLn377bd4e3tz9OhRKisrf/HztFot4eHhWFpa4ujoSFRUFFqttk4HEMXFxUycOBEPDw/Onj1bZ48rGqeMjAxWrlyJu7s7N27cMHU5tU5VVfR6PWlpaVy7do3Y2FjOnz9PbGwsjx49qvPf9xdVVFTErl27sLOz48qVK6YuRwhhRiQgCLNw5swZHB0dmTVrltltMZo/fz6+vr5cuXLlF9sBlpeXc/z4cezs7HBzc+PChQtoNJo6HywkJSXh5eVVL26jFvWbqqrExsYyduxYhg0bRmJioqlLqjUGg4Hc3FxOnDjBwoULcXR0pEOHDnTp0gVbW1t69+6Nl5cX27ZtIzs729TlPjOtVsuxY8fo1KkTGzduNHU5QggzIgFBmIXIyEgcHByYM2eOWbXmNBqNDB48mClTpnDv3r2f/L2iKOTm5rJr1y6cnJzw8/Pj0qVLlJeXm2Qm8eTJkzg6OjJnzhzZMiBqlcFgICIiAldXV2bPnt0gW2VWV1eTkpJCSEgI7u7u2NjY4ObmxuzZs9m4cSMnT54kJiaG2NhYjh49ytmzZ81uguPXKIrCjRs3cHBwYMKECXKGRAjxlAQEYRZOnz5Nv379mDNnzjO3Eq0LT548oVu3bqxZs+Ynb/yVlZXcunWLxYsX4+LiwuzZs7l586bJthkoikJYWBiurq6sWbPGrP4dRcNTVlbGhg0b6N69O1u3bm0wl23V3Ip+9+5dtmzZwoQJE/D19WXGjBls3bqVCxcukJycTF5eHpWVlRgMBgwGAxqNhtLSUnQ6namfwnNJTEzE09OTXr16NZjvoRDixUlAEGbhwoULuLq6MnfuXLMZ2KqqypkzZ7CwsGDnzp1POxgpikJOTg6HDx9m0qRJ9O/fn7lz53L79m30er3J9iDr9XrWr1/P0KFD2bNnz789UC3Ei0hNTWXmzJn07NmTU6dOmbqcl8JoNJKTk8OhQ4eYOHEi/fv3Z/LkyRw4cIC7d+9SWFiITqerV+cM/p3MzExmzZpFx44dTbItUghhniQgCLMQFRXFgAED+OCDD8xmid5gMLB69WpsbGyIiIigoqICg8FAQkICn332GQMHDsTNzY1169YRHx9fp92Kfk5paSnTp09n+PDhnD17VmYDRa1RVZXLly/j6enJgAEDuH//vqlLemGqqnL37l1WrlyJi4sLrq6urFixgpiYGMrKyhrs9psnT56wZMkS2rZtS1ZWVoN9nkKI5yMBQZiF77//HhcXF/z9/c1i77yqqpSWlvLee+/h5OREVFQU+fn5XLhwgaCgIDw8PBg7diwhISE8evTo6crB//2oS0lJSbi6uuLn58ft27fr9LFF42I0Gjl06BB9+vRh/Pjx5OXlmbqkF2IwGHjw4AELFiygR48eDBkyhJ07d/Lo0aMGH7Tz8/NZv349rVu35sGDBxIQhBCABARhJi5evIiTkxOjR48mPj7e1OWgqirp6enY2dnh7e3NnTt3iImJYdKkSXTq1Il+/foxb948QkNDOXToEN988w2RkZFERETw7bffEhERwYkTJ4iOjiYjI4OqqqpaDwwnT56kc+fOBAUFkZmZWauPJRo3rVbLtm3b6NWrFx9++CEajcbUJf1mWq2W6OhogoODcXV1ZfLkyZw8eZKSkpJGsd2mpKSE0NBQ2rRpw61btxp8IBJCPBsJCMIsXLp0CWdnZ4YMGcIPP/xg6nJQFIWrV6/SvHlz5s2bx6NHj7h48SJTp07F2dmZ/v37P/1wc3PD3d2dQYMG0b9/fxwdHbGzs6N37954enqyaNEiYmJifvUOhRdVXV3NqlWrsLa2Zvv27fV6wCbMX15eHkuXLqVXr158/vnnVFdXm7qk30Sv13P27FnGjh2Lq6sry5Yt49atW1RVVZm6tDpTVlbGvn37aNmyJTExMRIQhBCABARhJmoCwoABA7h06ZKpy8FgMLB7927efvttDh06hEajobi4mFu3bnH48GE+//xzPvroIxYtWsTSpUtZsWIFixcvJigoiHnz5jF+/Hi8vLywt7fn3Xff5YMPPuDhw4e1Vm9OTg7Dhw/HycmJM2fOYDAYau2xhEhOTmbatGk4Ojpy5MiRerktxWAwcO3aNby9vencuTOfffYZjx49qpfP5UWUlZWxd+9eWrRoQXR0tAQEIQQgAUGYiStXruDi4mI2AaGiogJ/f386d+7MgwcPfnSuQFEUDAYDOp3uZz+qqqooLy+ntLSUq1evMmTIEPr378/x48drbcvCzZs36d27NxMnTiQuLq5RbI0QphMTE4OXlxcDBgzgypUr9e7nzWAwkJycjI+PD+3atWPx4sWkp6c3unAA/2xuEBoaSosWLWQFQQjxlAQEYRZu3LiBu7v701uITUlRFLKysujbty9Tp07lyZMnv/lrPX78mFGjRjFgwIBabQW5a9cuLC0tWbFiBVlZWbX2OEIAHDp06On5nHv37tWrgKAoCgUFBQQFBfHaa68xc+ZMHj582GhX3YqLi9mxYwfNmzeXgCCEeEoCgjALSUlJ+Pj4mEVA0Ol0REVF0bZtW5YvX05hYeFv+joGg4GTJ0/Ss2dPxo4dW2udhQwGA6NHj6Zt27YcPHhQ7j8QtS4sLIyuXbvy3nvv1btAWllZyfnz57GwsKB79+7ExsbW2zMUL0NBQQEbN26kTZs2JCYmNspVFCHET0lAEGbh0aNHjBw5kj59+nDs2DGTzkhWVFSwa9cumjZtSnh4OOXl5b/p69y+ffvp/ubdu3fX2sA9JyeHzp074+rqys2bN+vVbK6of1RVZcuWLVhZWTFr1izKyspMXdIzUxSF9PR0vLy8eO2114iMjKSiosLUZZlUTk4OK1asoEOHDuTm5srrhxACkIAgzMSTJ0/w8/OjZ8+ehIeHm/RNSqPR8Mknn9CxY0e+//775+5oYjAYuHXrFj4+PnTo0IHly5eTmppaKzNzqqoSERFBixYtmDt3Lunp6S/9MYT4V3q9npUrV2JjY8Pq1avr1dac8vJyjh49SosWLfD396eoqKjRD4jT09OZMmUK3bt3b9QrKUKIH5OAIMxCSUkJM2bMwNbWlp07d5p0mbuwsJCxY8fSvHlzVq1a9VxbjIxGI5cuXcLDw4N27doxd+5cEhISamUQpaoqlZWVBAQE0Lx5c0JCQiguLn7pjyPEv6qsrGTx4sW4urpy8ODBejPAVlWV7Oxsli5dSvv27Tl37pzJbz83B/fv38fDw4PBgwfXm++lEKL2SUAQZqG6uppPP/0UBwcH1q1bZ7Jl/5otCL169WLcuHFcv379mWbVjEYjOTk57Nq1i379+tGzZ0/Wr19PYmJirc3KGY1GEhISaN++PW5ubly/fl0GPKLWZWZmMmXKFBwdHfn2229NXc4zMxqN3L17lyFDhuDp6SmrB/xzNejy5ct06dKFDz74wNTlCCHMiAQEYRaMRiM7d+6kf//+BAcHk5+fb5I6qqqqOH/+PG3atGHPnj1oNJpfHUQYDAZycnI4c+YMAQEB2NnZMXDgQPbu3UtmZmatDdhVVaW8vJw1a9bw2muvsWnTJvLz8xv9gEfUvgcPHjBmzBi6detGaGioqct5ZpWVlRw/fpz27duzaNEi6dbDP1uchoWF0bFjR3bv3m3qcoQQZkQCgjALqqpy7Ngx3N3d8ff3JykpySR1FBcXs3XrViwsLIiOjv7J7L+qqhiNRqqqqsjKyuLEiRMsXLgQNzc3evfuzezZszlz5gzFxcW1uk3KYDCQlJSEi4sLXbp04caNG+h0ulp7PCFqJCcnM378eLp06cLXX39t6nKeWUFBAZs3b6Z58+ZERkaauhyzkJmZybJly7CxsSEqKsrU5QghzIgEBGEWVFUlJiaG4cOH4+vry82bN01SQ0ZGBtOmTePNN9/kww8/5MKFCzx8+JDU1FRSUlK4desWR44cYe3atUydOhU3Nzf69u3LmDFjCAkJ4cGDB1RXV9f6TH5JSQmbNm2iSZMmvP/+++Tk5MjqgagTqamp+Pn54ebmxsmTJ01dzjNLTU1l9uzZWFpa1uqt5vWFoijExcUxbtw4HB0dSU1NNXVJQggzIgFBmAVVVYmPj2fChAkMGjSIc+fO1XkNiqKQmJjIsGHDsLW1xdfXlxkzZjB//nwWLlzIwoULmTFjBt7e3ri5uTFs2DBmzJjB5s2biY2Npaqqqk4G6Tqdjhs3btC7d2+aNm3KiRMnqKysrPXHFQL+eah17NixjBw5kuvXr5u6nGeiqir37t1j/Pjx9OjRg5ycnDp/fHML8FVVVURGRtKjRw+mTJnym9s5CyEaJgkIwmwkJyczbdo07O3t2bNnT50/fs0hxkGDBhEcHMyRI0f49NNPmTFjBu+//z4BAQHMnDmThQsXsm3bNi5dukRmZiZarbbOui6pqkpeXh4bN27k1VdfxcfHh8LCQrMbfIiGSVVV4uLi8PX1xcvLi9jYWFOX9ExqJiDee+89+vbtW2dnnGo6jSUmJlJUVGRWl5A9fvyYVatW0a5dO3bv3m1WtQkhTE8CgjAbubm5BAcH06VLFz799NM6P0RYXV3N5cuXsbW15YsvviAjI4OCggKSk5NJSkoiJSWF9PR08vPz62y14P/S6/XcvHkTd3d3WrZsSVhYmJw9EHXqzp07+Pr64uHhweXLl01dzjN78OAB/v7+9OjRg+zs7Dp5TK1Wy5UrVwgODiYuLs5s7oxQFIVr164xduxYnJycSExMNHVJQggzIwFBmA29Xk9ISAi9evVi+vTpFBUV1enjV1RUEBERwdtvv82SJUv46quvSE1NNZvWoaqqkpuby5YtW2jatCnvv/8+BQUFsnog6tT9+/cZPXo0np6e9SogZGdns2zZMlq1alXrW6NqVg6uX7/OlClTcHd3r7X7UH4LjUbDvn37cHFx4cMPP6y1W96FEPWXBARhVr7//nt8fHwYOnQot2/frtPHLi8v5/Dhw7z11luMHj2aGTNmsGPHDrO5fKyyspLz588zaNAgOnfuzO3btyUciDqXlpbGxIkTcXR0JCIiwtTlPDONRkN4eDgtWrRgx44dtfa7o6oqWq2W69evM3v2bJydnYmMjDSbcADw8OFDZs+eTe/evTl27Ji8jgghfkICgjArKSkpBAYG4urqysmTJ+v0jUur1XLq1Cl69erFxYsXefDgAWvXriU3N9fkb6CqqpKamsrixYtp164d8+bNk61FwiSys7OZNm0atra29arNqcFg4IcffsDBwQE/Pz8qKipe+u+1oiiUlZVx5coVAgIC6NKlC5s3b6aqquqlPs6L0Ov1nDhxgsGDBzNhwgQKCgpMXZIQwgxJQBBmpbCwkE2bNuHq6srnn39ea7cQ/5yaN/e7d+8+3Vak1WrNYuavoqKC/fv306lTJ3r37s21a9dMHlpE41RVVcWiRYvo1KkT69atqzc/h6qqkpaWxrRp02jVqhVnzpx5qSFbURQKCwsJCwvD3t6eLl26sHv3brPrMJaens6HH35I37592bdvn6nLEUKYKQkIwqzo9XqOHTuGq6sro0aNIi8vr85rMLcBj6IofP/99wwZMgRLS0u2bNkiqwfCZPR6PWvWrMHCwoIPP/zQbM7oPAutVsu5c+ewtrZm7NixpKWlvZQJAIPBwIMHD1i4cCHt27enT58+7N6926xWDuCfryV79uyhT58+TJ48mfT0dFOXJIQwUxIQhNmJi4tj/Pjx2NnZER0dbepyTEpVVbKysli0aBGtW7fG39+ftLQ0U5clGjFVVfn666+xsbHB39+/Xh2UV1WVoqIivvzyS1q3bs3UqVNJSEj4TYFbVVV0Oh2PHj1i+/bteHh40K1bN6ZNm8alS5fQaDRm9e+iqip37txh3Lhx2NnZERoaKhMNQohfJAFBmJ2CggLWrl2LtbU1GzZsMIstPqZSVlZGSEgIPXr0wMnJiTNnztSrGVvRMJ04cQJHR0dcXFy4ePFiveqhbzQayc7OZuHChTRr1gxfX1+io6OfayuQoijcuXOHzz//nEGDBtG6dWv69OnDpk2bSE1NNVkb5F9TUFDAJ598QpcuXZg+fbpMNAghfpUEBGF2qqqqOHLkCPb29nh4eBAfH2/qkupcTZvEffv24eTkhIuLC/v376e0tNTUpQlBWloac+bMoUePHmZ3CPdZGAwG0tPT+fjjj3F2dsbT05NVq1Zx7tw5UlJSKC4uRq/Xo6oqRqORiooKsrKyuH37Nt988w0BAQH06dOHDh064OLiwrJlyzh//jw5OTl1fn/LszAYDBw6dIg+ffrg7OzM4cOH6/R8lxCi/pGAIMyO0Wjkzp07TJkyhQ4dOtRqS0JzpdPpOHPmDEOHDqV79+6sW7eO/Pz8RvfvIMyTVqvl66+/xt7enqlTp5KTk2Pqkp6boihkZ2dz/PhxgoKCGDx4MAMHDmTUqFHMnj2bdevWsXnzZpYuXcq8efN47733cHNzw9bWlrZt2+Lm5saSJUs4ffo0GRkZZrlqUOPBgwdMmjQJKysrli1bxuPHj822ViGEeZCAIMxOzT7hkJAQrK2t8fHxITs7u9G8oen1eqKiohg1ahRWVlbMnz+fxMTEerWNQzRsiqIQHR2Nj48PvXv3rvOWxC+TVqvl4cOHhIeHs2zZMiZNmoSXlxfDhw9n+PDhDBo0CA8PDzw8PBg+fDhTp05l48aNXLhwgUePHlFZWWnWz72iooLVq1dja2uLn58fsbGxjXrbphDi2UhAEGbJYDBw584dJk2aRPv27QkLCzPLpfuXqWY7Q1RUFBMmTKB169aMHj2aqKgoOXcgzE5ubi4rVqx42s2ovvfT12q1ZGZmcvXqVU6cOME333zDwYMHOXjwIEeOHOHUqVNER0dz7949SkpK6sXrUXV1NceOHaN///4MHTqUyMhINBqNqcsSQtQDEhCE2SopKSE8PJxOnTrh6elJTk5Og55FNxgMXLt2DT8/P9q0aYO3tzcnTpygrKzM1KUJ8RMGg4GTJ0/i7OyMo6MjZ8+eNeuZ9GdVE9QNBsOPPhRFQVXVevMcFUUhJiaGESNG4OrqSkhIiEnaRgsh6icJCMJs1fQWnzhxIk2aNOHLL7+kpKSk3rxBPw+dTkdcXBwTJ06kXbt2DBs2jJMnT5pdq0QhaqiqSkZGBitWrMDKyoqZM2eSlZVl6rIE/3ztjI+PZ8qUKfTr149NmzaRkZHRoCdYhBAvlwQEYdY0Gg0RERG0b98ea2trzp49a3Y3k76ImtubY2JimDZtGi1btmTYsGGcOnVKVg6E2TMYDMTExODl5YWVlRWbNm2itLRUQq0JVVdXExcXx4wZM+jatSuffvopmZmZ8j0RQjwXCQjCrCmKwpMnT1i8eDGvvvoqY8aMITExsd7vyVdVFYPBQH5+PhEREQwfPpx33nmHkSNH8v3331NRUWHqEoV4JoWFhYSFhdGtWzesrKyIjIykoqJCBqR1rKY18q1bt/D398fCwoJ58+aRkpIih5KFEM9NAoIwewaDgeTkZAYMGMA777zDunXryMrKqheHBH9OzRt5cnIyu3btwtramhYtWuDn58ft27elP7moVxRFebrV6J133sHBwYGLFy+i1WolJNQRVVXRarVcvXqVSZMm8e677xIUFERycnK9n0wRQpiGBARRL+j1eiIjI7G0tKRDhw7s3buXwsLCejcAURQFjUbDDz/8wKxZs3jnnXd48803WbBgAXl5ebJHWNRLNeeFJk+ezN///necnZ2Jjo5Go9HIz3Qtq9mmGBUVxejRo2nWrBkBAQHk5+fLv70Q4jeTgCDqDUVR2Lp1K82bN6d79+4cOXKEsrKyehESVFVFr9eTk5PDrl276Nq1K3/4wx9o164doaGhsiVD1HuKopCZmcmUKVP405/+hKWlJfv27aOgoEAGqrVEURTy8/MJCQnBxsaGZs2aERwcTHl5ubyeCCFeiAQEUW+oqkpxcTHr1q3D0tISW1tbtmzZwuPHj01d2q9SVZX8/HzCwsLw8PCgadOmtGrVCn9/f6KiotDpdPJmLhoEg8FAWloa06ZN4/XXX6dp06YsXry4QZwbMieqqlJVVUVcXBxBQUFYWFjQpUsXtm3bRnFxsbyeCCFemAQEUa8oikJJSQlbt26lW7dudOrUiU2bNpGbm2t2s5RGo5HCwkIuXLjAzJkzsbCw4B//+AeDBg1i7969PHr0CJ3+VFjjAAAgAElEQVROZ+oyhXipDAYDGRkZLFu2jGbNmtGkSRMmTpxIbGwsVVVVMnh9AaqqPn0NPHDgAIMHD+bdd9/F0dGRffv21ZsVVSGE+ZOAIOodVVUpLCwkJCQEBwcH2rVrx7x580hISDCLg8uqqlJaWkpYWBg+Pj60b9+e1157DQsLC+bOncu1a9coKyszi1qFqA1Go5GcnBw2bNiAnZ0db731Fn379mXbtm1kZGTIz/5voKoqubm5REZGMnnyZCwtLencuTPBwcFcv35d2iILIV4qCQiiXlJVlby8PCIjIxk+fDg2NjaMGzeOb775xiRL7IqiUFFRQUJCAl988QVjx46lQ4cOvPLKK7Ro0YJx48axd+9ekpOTpUuRaBRUVSUnJ4ezZ8/i5+dH27ZtsbKyYuTIkezatavB34z+MvxrO+QzZ84wffp0bG1tad26NZ6enuzcuZPU1FRZiRRCvHQSEES9paoqZWVlXLx4kcDAQBwcHHBxcWHVqlXExsZSWlqK0WistbCgqio6nY4nT57w3XffsXTpUoYOHUr79u154403aNWqFb6+vnzxxRfcvHmTkpISmTkVjUpNS9/bt2+zatUqevXqRZMmTejatSsLFy4kJiaGsrIyFEWRrTH/oua1JSsri+3btxMQEECfPn1455136Ny5M4GBgZw7d46CggJ5TRFC1AoJCKLe02q13L9/n5CQECZNmkS/fv3w9PQkMDCQQ4cOkZCQQFFR0Ut5I1VVlYqKClJTU7l48SJfffXV0zfvZs2a8c4779CzZ09mz57Nnj17uH79OgUFBXJRkWjUjEYjGRkZHD58mICAALp06UKrVq0YOHAgQUFBnDt3jqKiIgkJgE6nIy0tjT179uDv74+lpSVNmjTBwsKCyZMns3//fhITE9FqtaYuVQjRgElAEA1Czb7/H374gbVr1zJixAi6dOlCnz59eO+991i0aBG7d+/m1KlTxMfHk5eXR1lZGRUVFVRXV6PT6aisrKSqqgqDwUBFRQXFxc

标签： 连接器uv胶水5tj5zk连接器

锐单商城拥有海量元器件数据手册、 IC替代型号，打造 电子元器件IC百科大全！

锐单商城 - 一站式电子元器件采购平台