菜鸟成长记-UIPickerView使用

苹果开发者账号申请流程(公司) 前言,起因说起来有点复杂,简单点描述就是成立了自己的公司,属于集团旗下子公司,正好之前集团的开发者账号不能用了(因为欠费了,没有人负责这块了),需要子公司自己新建开发者账号(因为主体变了),国庆之前就开始申请了,大致花了近一个半月时间(最后却没有申请成功,片尾会告知为啥)  一.申请Apple ID 现在账号都需要进行双重认证才行,百度有认证流程        打开网页,搜索苹果开... 阅读详情

今天说说UIPickerView的使用,当然这个API的使用途径一般是商品方向,不多说,直接用代码说话

1:创建UIPickerView对象,设置代理  数据我是直接加载的plist文件,你们根据需求而定

    UIPickerView *picker = [[UIPickerViewalloc]initWithFrame:CGRectMake(0,       50, CGRectGetWidth(self.view.frame), 300)];

    picker.delegate = self;

    picker.dataSource = self;

    picker.showsSelectionIndicator = YES;

    [self.viewaddSubview:picker];

    self.picker = picker;

  

    苹果把许多属性保留为私有的,开放给开发者的少的可怜,可怜到唯一可用的外观选项就是选择窗口, showsSelectionIndicator 属性设置为YES,可以在当前选择上显示一个透明窗口


2: 实现代理方法,我会将方法详细注释

#pragma mark -----代理方法

//这里返回的是组数,

- (NSInteger)numberOfComponentsInPickerView:(UIPickerView *)pickerView{

    return 2;

}

//每组的行数

- (NSInteger)pickerView:(UIPickerView *)pickerView numberOfRowsInComponent:(NSInteger)component{

    

    if (component == 0) {//第一组作者数据的个数

        return self.arr.count;

    }else{

       //获取对应作者的作品个数  indexOfProvice是一个NSInteger属性值,用于记录选择的第一组数据位置

       NSDictionary * dictAtuo =self.arr[self.indexOfProvice];

       NSArray * arrName =  dictAtuo[@"name"];

       return arrName.count;

    }

}


//显示数据,相当于tableview中的cell

-(NSString *)pickerView:(UIPickerView *)pickerView titleForRow:(NSInteger)row forComponent:(NSInteger)component{

        if(component == 0){//显示第一组作者的名字

        //对应行的作者

        NSDictionary * dcit = self.arr[row];

        return dcit[@"author"];

     }else{

        //获取选中的作品,显示作品名字

        NSDictionary * dcitName =self.arr[self.indexOfProvice];

        NSArray * arrName =dcitName[@"name"];

        return arrName[row];

    }

    

    }


//选中对应数据,进行操作

-(void)pickerView:(UIPickerView *)pickerView didSelectRow:(NSInteger)row inComponent:(NSInteger)component{

    

    if (component == 0) {

        //将选中的作者作标记

        self.indexOfProvice = row;

    

        //部份刷新方法 刷新第二组数组 也就是作者对应的作品数据

        [pickerView reloadComponent:1];

        

        //让第二组数据每次回到第一行

        [pickerView selectRow:0 inComponent:1 animated:YES];

        

    }else{

        //获取选中的作品,显示作品名字

        NSDictionary * dcitName =self.arr[self.indexOfProvice];

        NSArray * arrName =dcitName[@"name"];

        self.alertView = [[UIAlertViewalloc]initWithTitle:arrName[row]message:nildelegate:nilcancelButtonTitle:@"取消"otherButtonTitles:@"确定",nil];

        [_alertViewshow];

        

    }

}


上图



点击右边时,你可以做一些操作,例如弹框,或者传值


参考线平滑-FemPosDeviation-SQP 使用SQP(顺序二次规划)对离散点进行平滑 阅读详情

相关推荐

虚拟机扩容——非LVM分区

虚拟机扩容——非LVM分区

ytraister的博客 3906

pickerView使用心得,有不对的大家指正

本人菜鸟一枚,不喜勿喷,只是讨论知识。 pickerView Delegate下有一个 - (NSString *)pickerView:(UIPickerView *)pickerView titleForRow:(NSInteger)row forComponent:(NSInteger)component{               //CDProvinc

chedechao111的博客 609

波束管理 Beam Management

Beam Management in 5G NR   波束管理,是5G NR中基于信道质量来动态选择每个UE和gNB之间以什么方向和频率的波束beam来进行通信。   背景   5G NR(New Radio)支持非常高的数据速率和更低的延迟。5G NR支持FR1和FR2频段,FR1为亚6 GHz(450至6000 MHz);FR2为毫米波段(24.25 GHz至52.6 GHz)。   由于毫米波频带使用非常高的频率,因此会导致传播损耗和其他损耗。为了补偿损失,在这种频率下定向通信是必不可少的。

最忆是江南的博客 5828

thinkphp 6.0将json数据传到前端出现URL转换的问题

在用highchart插件做图表的时候后,需要从后台传入json数据进行设置: 前端代码: var series= {$project}; //数据列表,主要是这一项是后台传入的json数据 var json = {}; json.chart = chart; json.title = title; json.subtitle = subtitle; json.tooltip = tooltip; 后端代码: $project_json=...

好奇阿弟的博客 1230

LabVIEW多设备采集实战:1个程序同时控制3个RS485 Modbus仪表

本文详细介绍了如何使用LabVIEW实现多设备RS485 Modbus同步采集,涵盖硬件架构设计、多线程通信框架搭建、数据帧解析技巧及性能优化策略。通过实际项目案例,展示如何解决端口冲突、数据解析错误等工业自动化常见问题,提升采集系统实时性与可靠性。

qsc901234的博客 307

MT4量化交易入门:手把手教你用MQL4编写第一个外汇EA(含完整代码)

本文详细介绍了如何使用MQL4在MT4平台上编写第一个外汇EA,涵盖从开发环境配置到均线交叉策略实现的完整流程。通过手把手教学和完整代码示例,帮助量化交易新手快速掌握外汇自动化交易的核心技术,实现高效的MT4量化交易系统。

mmm90的博客 528

thinkphp5模板输出json数据

使用model默认返回的是json字符串,如果想要在模板中使用数据,就需要在模板的控制器中转换一下了参考代码如下: $opts = OptsModel::getOpts(); $opts = json_decode($opts->getContent(),true); $this->assign('opts', $opts); ...

卡卡的博客 1万+

Understand-Anything:AI驱动的代码知识图谱,实现项目全局洞察与高效导航

在软件开发中,理解复杂代码库的结构和依赖关系是提升开发效率的关键。传统代码阅读方式往往陷入局部视角,难以快速把握系统全貌。知识图谱技术通过将代码实体(如文件、类、函数)及其关系(调用、继承、依赖)可视化,为代码理解提供了全局视角。这项技术的核心价值在于将静态代码转化为动态、可交互的认知地图,极大降低了系统学习与维护成本。在实际工程中,它广泛应用于新成员快速入职、遗留系统梳理、架构影响分析等场景。本文介绍的Understand-Anything工具,正是基于这一理念,通过多智能体分析管道,自动构建代码的结构图

weixin_42615290的博客 886

vue 往json里添加数据的方式

Object.assign( this.saveData, { poNo: this.poNo }, { age: 17 }, { name: 'Remilia' } )

qq1359236225的博客 7917

把 SAP Event Mesh 讲透:从事件驱动架构到 SAP BTP 落地实践

摘要: SAP Event Mesh是SAP BTP上的云端消息与事件服务,支持企业构建解耦、弹性的应用架构。它通过异步通信模式(如发布/订阅)解决传统同步集成的痛点,如系统紧耦合、链路脆弱等问题。核心能力包括事件驱动通信、可靠消息投递(支持至少一次送达)、与SAP生态深度集成(如S/4HANA事件扩展)以及混合环境支持。典型场景包括订单处理、库存同步等,发布方只需发出业务事件,订阅方按需消费,避免系统间直接依赖,符合Clean Core理念。两种关键模式为广播式的Publish/Subscribe和定向的

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 118

[HQChart教程] 去掉“仅学习使用”文字提示的小技巧

最近用 HQChart 做图表时,发现左下角有“仅学习使用”的字样。这种水印虽然是默认的,但如果要展示给客户,可能会显得不够专业。还好,这个问题很好解决,只需要简单修改一下配置。

代码简单说 Vue、JAVA、PHP、Node.js 熟练运用,接口、架构、性能全搞定。 600

pickerView的简单使用

不废话直接上代码: //选择用户方法 private void selectTypeName() { String[] data = new String[]{"个人用户", "警察用户", "警辅人员用户"}; View view = View.inflate(getContext(), R.layout.include_name_type_popup, null); ...

xige1995的博客 1318

养龙虾之_因特尔UHD/ULtra/Arc核显跑大模型_安装ollama_跑qwen3.5:0.8b/9b_使用copaw1.0.1测试_并配置copaw技能效果炸裂---AI大模型应用探索0019

摘要:本文探讨了利用Intel UHD770核显运行大语言模型的可能性。通过使用Intel发布的ipex-llm项目工具包,成功在核显上运行了Qwen3.5系列模型。测试发现0.8B小模型运行流畅(3-5秒响应),但智能程度有限;而9B大模型虽然效果更好,但响应时间长达2分钟,且GPU/CPU占用率不高。实验证明Intel核显确实可以运行LLM,但实际效果和性能表现仍有提升空间,特别是对大模型的支持尚不理想。

添柴程序猿的专栏 241

关于如何成为一个iOS开发者

这一年来遇到几个家伙问过我怎么学习iOS开发,我在这里结合自己的学习经历简单总结一下吧,希望对想学习iOS开发的家伙有帮助 1、首先,你得弄个OS X 系统,也就是苹果电脑的操作系统,iOS应用程序都是通过Xcode编写编译甚至发布的,而Xcode只能运行在mac os上。  对此,有几个方案: 1)购买苹果电脑,若你确实有空闲的钱,请速买,别犹豫,省事省心,再说,就算你不用于开发,也可以装

程序员的世界 1212

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

view函数_THINKPHP6.0使用RESPONSE调用VIEW输出JS代码

最近春燕网络小哥哥在研究ThinkPHP6.0.0,小哥哥遇到如下的问题,在ThinkPHP6.0.0中,无法设置输出头信息,也就是说直接使用header函数,结果没效果。在ThinkPHP6.0.0中,下面的代码是无效的。namespaceappindexcontroller; usethinkfacadeView; classJs{publicfunctionjs()...

weixin_39864453的博客 484

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

菜鸟成长记-MJRefresh自定义刷新样式

  MJRefresh是一款非常好用的三方库,这里我讲讲如何自定义刷新动画  1:导入MJRefresh.h,其实要想学会一个三方库的大致使用,你得找到一个主文件,进去看里面包含那个头文件,好一点的作者取名都是具有含义的,可以根据类名大致猜出这个类的作用。 #import "MJRefreshNormalHeader.h" #import "MJRefreshGifHeader.h" #im...

夜破星辰_JSON的博客 7864

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

ios按字母排序的通讯录

突然想实现一个按照好友姓名的头字母排序的通讯录,然而想了想大致需要实现的技术点。 1:我需要将存储好友姓名的数组变成一个存储好友姓名首字母的数组,并且是按照顺序的。 2:需要将存储好友姓名的数组按照同姓氏化为一个组方法变成若干个组,每组有若干个对象,所以就是变成若干个数组,每一个组的数据就是TableView中的section,而组中的数据就是row. 效果图: 第一步是将转换汉子

夜破星辰_JSON的博客 7815

成长小计-Swift重写frame的set方法

相信很多朋友做OC的时候都有修改cell的frame需求, OC写法: - (void)setFrame:(CGRect)frame { frame.origin.y += 10; frame.size.height -= 10; [super setFrame:frame]; } 但是在Swift中就比较麻烦了,最初我写的时候运行一直报错 最初Swif

夜破星辰_JSON的博客 7477

程序切换到后台,计时器可继续定时解决方案

项目中的需求:应用进入到后台后,定时器继续进行定时任务解决:先上代码 // 五分钟倒计时 [self countDown]; __block UIBackgroundTaskIdentifier bgTask; bgTask = [[UIApplication sharedApplication] beginBackgroundTaskWithExpirationHand...

夜破星辰_JSON的博客 7341

百度地图使用、调起本机App地图

集成百度地图过程不做讲解,直接按照官方文档一步步走即可 开发指南 效果图   引入头文件 #import &lt;MapKit/MapKit.h&gt; #import &lt;BaiduMapAPI_Base/BMKBaseComponent.h&gt;//引入base相关所有的头文件 #import &lt;BaiduMapAPI_Map/BMKMapComponent.h&...

夜破星辰_JSON的博客 5268

UIScrollView滑动与UITableView左滑删除冲突问题解决方案

今天在项目中遇到这样一个问题,当UIScrollView中包含UITableView时,要实现UIScrollView滑动的同时UITableView也能实现左滑删除功能,说白了就是互不干扰,你干你的,我做我的,但是问题来了!因为二者都是具有滑动手势事件,导致出现冲突,系统不知道你到底是要做那件事,针对这种情况分析如下两点。 一:因为我们的动作是手势,但是系统不知道我们操作的那个,所以这里有个判...

夜破星辰_JSON的博客 4956

xib创建Cell时重用数据混乱问题解决方案

写这篇文章是因为在项目中遇到了这个问题,,所以拿下来和大家一起分享,平常一直没有因为复用问题而导致数据复用混乱, 先看看效果图: 出现了旧的数据,所以现在这个问题就不能在使用registerNib注册xib方法了,一般复用出现数据混乱可能原因就是cell中包含UITextField和UICollectionView类型的数据时,出现数据混乱的情况比较大,这时候我们就需要做一些特别得操作, ...

夜破星辰_JSON的博客 4620

菜鸟成长记-打开PDF文件,可以左右滑动

最近公司有一个需求,获取服务器pdf数据之后存储在沙盒中,下载完成之后可以直接打开pdf文件。其实这个需求实现我也是研究了一会才完成,在这里我将实现步骤详细讲解一哈。   一: 首先导入三方库 https://github.com/Ink/ThatPDF/tree/develop/Sources 下载完所需要的文件中,就可以开始写代码了,这里必须是你下载pdf数据完成后将它写入到沙盒的Doc

夜破星辰_JSON的博客 4058

去掉Button按下时置灰效果

时隔一个多月没写东西,由于公司需求跑到福州出差去了,前端时间和项目组负责人一直在规划项目原型及需求,,也侥幸参与了一部分原型设计,由于原型差不多了,所以也着手把一些可以做的需求,,以Demo的形式写写。 原型效果是这样的:                            本人做出来的效果:                                             

夜破星辰_JSON的博客 3816

ios集成Charts框架并绘制柱形图详解

Charts是github上一框用Swift写的比较全的图表库,Star数有近1.5w之多,手头上的项目对于数据的直观性要求比较多 ,故采用图表形式展示给用户,数据的变化、对比、分析都显得一目了然。 在oc项目中集成Charts 需要将下载完成后的charts拖入到项目中 打开应用配置环境,新建一个Swift文件,会生成一个.h桥接文件,在该文件中写上@import Charts;。将Charts中

夜破星辰_JSON的博客 3380

iOS8.4系统下关于点击UITextField闪退问题

事情起因      项目上线有一段时间了,公司本着两周迭代一次的原则,优化用户及运营同事反馈的问题。我是独立负责整个iOS端应用,所以整个项目的策划、完成都是我全权负责,目前应用已步入正规,也达到了盈利的效果。然而有一天一个在前方战斗的BD同事说有一个医生出现闪退现象,我问他是在那个界面怎么操作发生的,他说就是在开方时操作多了会出现闪退,然而别的用不会有这样的情况。 事情分析 由于提供的线索

夜破星辰_JSON的博客 2277
上一篇: 菜鸟成长记-UICollectionView使用
下一篇: 菜鸟成长记-MFMessageComposeViewController的使用
夜破星辰_JSON
博客等级 码龄11年 13粉丝 73原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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