隐式启动Activity----------IntentFilter的匹配规则

本文详细解析了Android中隐式启动Activity的机制,包括Intent过滤规则的设置与匹配,以及action、category、data属性的使用要点。

启动Activity的方法有显示启动和隐式启动,显示启动很简单,不在说明;平时使用隐式启动使用的少,以至于他的匹配规则运用不熟练,今天在此记录一下。
隐式启动Activity的时候,需要在Intent中添加过滤规则,这个过滤规则需要与被启动的Activity的过滤规则对应上,而被启动Activity的过滤规则,在AndroidManifest.xml中注册的时候会添加到<intent-filter>标签下

<activity android:name="com.test.intent.SecondActivity">
    <intent-filter>
        <action android:name="com.test.intent.SecondActivity.ACTION"/>
        <action android:name="com.test.intent.SecondActivity.MY.ACTION"/>
        <category android:name="com.test.intent.SecondActivity.CATEGORY"/>
        <category android:name="android.intent.category.DEFAULT"/>
        <category android:name="android.intent.category.MY.CATEGORY"/>
        <data
            android:mimeType="image/*"
            android:scheme="xxx"
            android:host="test"
            android:port="1001"
            android:path="/ppp"
            />
    </intent-filter>
</activity>

这是一个被启动Activity的过滤规则,包括action、category、data三部分。
这三部分中,如果被启动的Activity需要被隐式启动,则action必须要写,category的android:name="android.intent.category.DEFAULT"必须要写,因为隐式启动的intent会默认携带这个category。
在启动的时候:
Intent中至少添加一个action,并且添加的action必须和被启动Activity的action标签一致;
Intent中可以不写category,因为Intent会默认添加category,如果要填加category,则Intent中添加的category必须和被启动的Activity的category标签中的一致;
被启动的Activity中data属性可以添加,如果添加,则必须添加android:mimeType属性,其余属性可以不添加,android:scheme会有默认的值是content或者file ,并且启动Activity的Intent中必须要添加data、并与被启动Activity中的data一致。
总之一句话,Intent中添加的action、category、data三个属性,必须是被启动的Activity中的过滤规则。

注意一点,SDK24以上版本的如果要使用默认的android:scheme中file,会涉及到FileProvider,需要做响应的处理
下面给出启动上面Activity的代码

Intent intent = new Intent();
intent.setAction("com.test.intent.SecondActivity.MY.ACTION");
intent.addCategory("com.test.intent.SecondActivity.CATEGORY");
intent.addCategory("android.intent.category.MY.CATEGORY");
intent.setDataAndType(Uri.parse("xxx://test:1001/ppp"),"image/png");
startActivity(intent);
【电动汽车充电站有序充电调度的分散优化】基于蒙特卡诺和拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)内容概要:本文介绍了基于蒙特卡洛和拉格朗日方法的电动汽车充电站有序充电调度优化方案,重点在于采用分散优化策略应对分时电价机制下的充电需求管理。通过构建数学模型,结合不确定性因素如用户充电行为和电网负荷波动,利用蒙特卡洛模拟生成大量场景,并运用拉格朗日松弛法对复杂问题进行分解求解,从而实现全局最优或近似最优的充电调度计划。该方法有效降低了电网峰值负荷压力,提升了充电站运营效率与经济效益,同时兼顾用户充电便利性。 适合人群:具备一定电力系统、优化算法和Matlab编程基础的高校研究生、科研人员及从事智能电网、电动汽车相关领域的工程技术人员。 使用场景及目标:①应用于电动汽车充电站的日常运营管理,优化充电负荷分布;②服务于城市智能交通系统规划,提升电网与交通系统的协同水平;③作为学术研究案例,用于验证分散优化算法在复杂能源系统中的有效性。 阅读建议:建议读者结合Matlab代码实现部分,深入理解蒙特卡洛模拟与拉格朗日松弛法的具体实施步骤,重点关注场景生成、约束处理与迭代收敛过程,以便在实际项目中灵活应用与改进。
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