Android的onCreateOptionsMenu()创建菜单Menu详解

 

转载自:http://www.linuxidc.com/Linux/2012-02/55500.htm

Android的onCreateOptionsMenu()创建菜单Menu详解


Android一共有三种形式的菜单:
            1.选项菜单(optinosMenu)
            2.上下文菜单(ContextMenu)
            3.子菜单(subMenu)
其中最常用的就是选项菜单(optionsMenu), 该菜单在点击 menu 按键 后会在对应的Activity底部显示出来。

1.Activity菜单机制 (与dialog类似)
Activity有一套机制来实现对菜单的管理,方法如下:
   1.public boolean onCreateOptionsMenu(Menu menu)
             此方法用于初始化菜单,其中menu参数就是即将要显示的Menu实例。
              返回true则显示该menu,false 则不显示;
              (只会在第一次初始化菜单时调用)

           2.public boolean onPrepareOptionsMenu(Menu menu)
             在onCreateOptionsMenu执行后,菜单被显示前调用;如果菜单已经被创建,则在菜单显示前被调用。
              同样的, 返回true则显示该menu,false 则不显示;
             (可以通过此方法动态的改变菜单的状态,比如加载不同的菜单等)

           3.public void onOptionsMenuClosed(Menu menu)
              每次菜单被关闭时调用.
              (菜单被关闭有三种情形,menu按钮被再次点击、back按钮被点击或者用户选择了某一个菜单项)
             
            4.public boolean onOptionsItemSelected(MenuItem item)
               菜单项被点击时调用,也就是菜单项的监听方法。
             
          通过这几个方法,可以得知,对于Activity,同一时间只能显示和监听一个Menu 对象。


  2. 添加菜单:
      可以在onCreateOptionsMenu或者onPrepareOptionsMenu方法中来添加菜单

      2.1代码添加:
        menu.add((int groupId, int itemId, int order, charsequence title) .setIcon(drawable ID)
       add()方法的四个参数,依次是: 

      1、组别,如果不分组的话就写Menu.NONE, 

      2、Id,这个很重要,Android根据这个Id来确定不同的菜单 

      3、顺序,哪个菜单项在前面由这个参数的大小决定 

      4、文本,菜单项的显示文本

       add()方法返回的是MenuItem对象,调用其setIcon()方法,为相应MenuItem设置Icon

     示例:
    public boolean onCreateOptionsMenu(Menu menu) {
        super.onCreateOptionsMenu(menu);
        menu.add(Menu.NONE, Menu.First+1, 0, "设置").setIcon(R.drawable.setting);
        return true;
    }
     
      2.2布局文件添加:
        
       getMenuInflater().inflate(R.menu.options_menu, menu);

      调用Activity的getMenuInflater()得到一个MenuInflater,
       使用inflate方法来把布局文件中的定义的菜单 加载给 第二个参数所对应的menu对象

       示例:
     @Override
    public boolean onCreateOptionsMenu(Menu menu) {
        super.onCreateOptionsMenu(menu);
        getMenuInflater().inflate(R.menu.options_menu, menu);
        return true;
    }

    布局文件:
      在res目录下建立一个menu文件夹,并创建布局文件: options_menu.xml
    <?xml version="1.0" encoding="utf-8"?>
    <menu xmlns:android="http://schemas.android.com/apk/res/android">
    <item android:id="@+id/menu_setting" android:title="设置" android:icon="@drawable/setting"></item>
    </menu>


   3.菜单项监听:
    只要菜单中的菜单项被点击,都会触发onOptionsItemSelected(MenuItem item)
    item参数即为被点击的菜单项,那么需要在此方法内判断哪个Item被点击了,从而实现不同的操作。
    对于两种不同的添加菜单方法,判断的方法有一点区别,但本质是一样的。

    3.1代码添加菜单的判断方法
     @Override
    public boolean onOptionsItemSelected(MenuItem item) {
        super.onOptionsItemSelected(item);
        switch(item.getItemId())//得到被点击的item的itemId
        {
        case Menu.First+1: //对应的ID就是在add方法中所设定的Id
            break;
        case Menu.First+2:
            break;
        }
        return true;
    }

  3.2布局文件添加菜单的判断方法:
    @Override
    public boolean onOptionsItemSelected(MenuItem item) {
        super.onOptionsItemSelected(item);
        switch(item.getItemId())//得到被点击的item的itemId
        {
        case R.id.menu_setting://这里的Id就是布局文件中定义的Id,在用R.id.XXX的方法获取出来
            break;
        case R.id.menu_info:
            break;
        }
        return true;
    }
本篇文章来源于 Linux公社网站(www.linuxidc.com)  原文链接:http://www.linuxidc.com/Linux/2012-02/55500.htm

YOLO(You Only Look Once)DETR(Detected Transformers)都是计算机视觉领域中的目标检测算法,它们各自有其独特的优点缺点。 YOLO(You Only Look Once): **优点:** 1. **速度较快**:YOLO由于其一次前向传播就完成检测,适合实时应用,如自动驾驶、视频监控等对速度有较高要求的场景。 2. **简单高效**:YOLO模型结构相对简单,预测速度非常快。 3. **输出直接**:YOLO的输出是直接定位分类,不需要额外的非极大值抑制步骤,减少了计算量。 **缺点:** 1. **精度与复杂度之间的权衡**:相比于其他精确度更高的方法(如R-CNN系列),YOLO在精度上可能略逊一筹,尤其是在较小的目标检测上。 2. **边界框问题**:对于小目标靠近的物体,边界框可能会有所重叠,影响准确度。 DETR(Detected Transformers): **优点:** 1. **基于Transformer**:DETR使用了Transformer架构,能够理解处理图像全局上下文信息,从而提升检测的精度。 2. **端到端学习**:DETR是一体化模型,不需要预定义的区域提议,直接从头开始学习,简化了整个检测流程。 3. **可解释性强**:由于没有复杂的后处理步骤,DETR的决策过程更容易理解解释。 **缺点:** 1. **计算资源消耗大**:Transformer的自注意力机制使得DETR的计算成本较高,不适合实时应用或资源有限的环境。 2. **训练时间长**:由于Transformer的训练迭代次数较多,且依赖于大规模标注数据进行训练,所以训练速度较慢。 3. **内存需求**:Transformer对内存的需求较大,可能导致内存溢出。
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