Aandroid 退出应用

本文介绍四种Android应用退出方式:递归退出、栈退出、抛异常退出及手机返回键退出。详细解析每种方法的实现原理与步骤。

一、递归退出

 在启动新的activity时使用startActivityForResult,然后重写一个OnActivityResult的方法并在次finish自己。

代码:

在第一个页面启动第二个页面时使用startActivityForResult启动,

[java]  view plain  copy
  1. public void  JumpB(View view){  
  2.             Intent intent=new Intent(this,BActivity.class);  
  3.             //第一个参数intent,指定跳转的地方, 第二个参数请求码,没有太大实用   
  4.            startActivityForResult(intent,0x101);  
  5.            }  

在这个页面重写onActivityResult方法,并执行finish()方法

[java]  view plain  copy
  1. @Override  
  2.         protected void onActivityResult(int requestCode, int resultCode, Intent data) {  
  3.             super.onActivityResult(requestCode, resultCode, data);  
  4.             finish();  
  5.         }  
当第二个页面执行finish()方法后就会引起onActivityResult 里面方法的执行。从而达到退出应用程序的效果
 
[java]  view plain  copy
  1. public void exit(View view){  
  2.       finish(); 退出当前的Activity  
  3.   
  4.   }  


二、栈退出

   首先第一步:建立一个全局的变量application


[java]  view plain  copy
  1. package com.example.myapplication.Application;  
  2.   
  3. import android.app.Activity;  
  4. import android.app.Application;  
  5.   
  6. import java.util.ArrayList;  
  7. import java.util.List;  
  8.   
  9. /** 
  10.  * Created by Administrator on 2017/6/17 0017. 
  11.  */  
  12.   
  13. public class MyApplication extends Application {  
  14.   
  15.     //实例化一个activity集合  
  16.     List<Activity> activities=new ArrayList<>();  
  17.   
  18.     //添加Activity的方法  
  19.     public void add(Activity activity){  
  20.         activities.add(activity);  
  21.     }  
  22.   
  23.    //退出应用程序的方法  
  24.     public void exit(){  
  25.         for (Activity activity : activities) {  
  26.             activity.finish();  
  27.         }  
  28.           
  29.     }  
  30.   
  31. }  

注意:必须在AndroidManifest.xml 中配置自己的application



第二步:

在每一个Activity中得到application,并强转为自己的application,再将activity添加进application

[java]  view plain  copy
  1. MyApplication   myApplication = (MyApplication) getApplication();  
  2.        myApplication.add(this);  //this代表当前activity  


最后一步:

在你需要退出应用程序的地方调用  myApplication.exit();


[java]  view plain  copy
  1. public void exit(View view){  
  2.      myApplication.exit();  
  3.     }  


三、抛异常退出

  自定义一个错误,让手机无响应程序,然后再令无响应程序不可见,就完成了抛异常退出。


四、手机返回键退出

1、利用时间差退出

[java]  view plain  copy
  1. private long oldTime = 0;  
  2.       
  3. @Override  
  4. public void onBackPressed() {  
  5.   long NowTime = System.currentTimeMillis();//获取第一次按键时间  
  6.   if((NowTime - oldTime) > 2000){//比较两次按键时间差  
  7.     Toast.makeText(this"再按一次退出程序", Toast.LENGTH_SHORT).show();  
  8.     oldTime = NowTime;  
  9.   }  
  10.   else{//退出程序  
  11.     this.finish();  
  12.     System.exit(0);  
  13.   }  
  14. }  


2、利用线程延时退出

[java]  view plain  copy
  1. private static boolean BackKeyPressed = false;//记录是否有首次按键  
  2.       
  3. @Override  
  4. public void onBackPressed() {  
  5.   if(!BackKeyPressed){  
  6.     Toast.makeText(this"再按一次退出程序", Toast.LENGTH_SHORT).show();  
  7.     mBackKeyPressed = true;  
  8.     new Timer().schedule(new TimerTask() {//延时两秒,如果超出则擦错第一次按键记录  
  9.       @Override  
  10.       public void run() {  
  11.         BackKeyPressed = false;  
  12.       }  
  13.     }, 2000);  
  14.   }  
  15.   else{//退出程序  
  16.     this.finish();  
  17.     System.exit(0);  
  18.   }  
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值