快来围观!微信小程序开发需要前期准备的信息整理出来了

一、域名以及服务器

  1. 注册一个域名,域名必须进行ssl证书配置
  2. 域名进行备案
  3. 准备服务器可选择自主搭建机房,也可选择云服务器

二、注册微信小程序

1.在微信公众平台官网首页(mp.weixin.qq.com)点击右上角的“立即注册”按钮。

快来围观!微信小程序开发需要前期准备的信息整理出来了

2.登陆微信公众平台https://mp.weixin.qq.com/ 点击注册->注册小程序

快来围观!微信小程序开发需要前期准备的信息整理出来了

3.依次按照官方提示填写注册信息

快来围观!微信小程序开发需要前期准备的信息整理出来了

4.激活邮箱,登录邮箱,查收激活邮件,点击激活链接。

快来围观!微信小程序开发需要前期准备的信息整理出来了

5.填写主体信息,点击激活链接后,继续下一步的注册流程。

请选择主体类型选择,完善主体信息和管理员信息。选择主体类型:

快来围观!微信小程序开发需要前期准备的信息整理出来了

填写主体信息并选择验证方式

企业类型帐号可选择两种主体验证方式。

方式一:支付验证

需要用公司的对公账户向腾讯公司打款来验证主体身份,打款信息在提交主体信息后可以查看到。

请根据页面提示,向指定的收款帐号汇入指定金额。

温馨提示:请在10天内完成汇款,否则将注册失败。

方式二:微信认证

通过微信认证验证主体身份,需支付300元认证费。认证通过前,小程序部分功能暂无法使用。

如需了解主体验证方式请搜索https://kf.qq.com/faq/170109QvMNRB170109nYnYFr.html

通过微信认证验证主体身份,需支付300元认证费。认证通过前,小程序部分功能暂无法使用。

如需了解主体验证方式请搜索https://kf.qq.com/faq/170109QvMNRB170109nYnYFr.html

快来围观!微信小程序开发需要前期准备的信息整理出来了

125jz网原创文章。发布者:江山如画,转载请注明出处:http://www.125jz.com/11093.html

(0)
上一篇 2022年9月19日 上午10:21
下一篇 2022年9月20日 下午9:01

99%的人还看了以下文章

  • 一个完整的servlet验证登录用户名和密码实例

    servlet验证登录用户名和密码实例项目结构 登录页面login.html servlet验证通过后,欢迎页面 登录页面login.html: <body> <form action=”LoginCheck” method=”post”> 用户名:<input type=”text” name=”username” />…

    2020年12月6日
    1.8K0
  • plt.xlabel(‘产品名称’)报错‘str’object is not callable的解决方法

    运行居然报错了… 提示plt.xlabel(‘产品名称’)这一行有错误 报错信息 ‘str’object is not callable plt.xlabel(‘产品名称’)报错‘str’object is not callable的解决方法 重新运行x轴 描述信息终于出来了。 以防下次忘记,还是记录下来了。

    2022年8月13日
    2200
  • 跟永哥学MVC:Jsp+Servlet+JavaBean开发后台登录程序

    跟永哥学MVC:Jsp+Servlet+JavaBean开发后台登录程序,125建站网原创,转载请务必注明出版。 Jsp+Servlet+JavaBean开发后台登录程序-实现一 login.html(视图) <form action=”loginServlet” method=”post”> 用户名: <input type=”text”…

    2018年2月22日
    2.5K0
  • HTML5- Canvas入门(一)画线

    canvas是一个H5的标签: <canvas> </canvas> canvas本身没有任何的绘图能力,所有的绘图工作都是通过js来实现的。通常我们在js通过getElementById来获取要操作的canvas(这意味着咱得给canvas设个id): <canvas id=”myCanvas”></canvas&…

    2022年7月9日
    300
  • 如何用R语言绘制散点图

    这篇文章主要介绍了如何用R语言绘制散点图,帮助大家更好的理解和学习使用R语言,感兴趣的朋友可以了解下

    2022年8月9日 编程开发
    270
  • 最清楚的过拟合(Overfitting)、欠拟合讲解

    问题的产生 当我们构建模型时,总会希望假设空间参数尽可能多,系统越复杂,拟合得越好嘛!我们还希望我们的优化算法能使我们的模型产生的损失函数的值尽可能小(即我们的假设空间能够贴合每一个训练样本点)。但这样真的好吗?奥卡姆剃刀貌似又胜利了。然而假设我们的模型达成了上述的情况,有很大概率产生一个ML界非常令人头疼的一件事:过拟合(Overfitting)。 欠拟合…

    2022年9月21日
    180

发表评论

登录后才能评论