解剖Android联系人之三,基于2.1

本文介绍了如何使用Android的联系人API进行联系人的读取与写入操作,详细解析了Aggregation、withValueBackReference和applyBatch等核心概念,并提供了具体的代码实现。
其实到后面发现这些基本的操作就很简单了
关键是怎么和本身的应用结合起来
怎么开发出好用,好看,有特色的应用出来

前面读取联系人数据基本清楚了
简单的说就是几个表关联来查,但是Android已经帮我们封装好了这些东西,我们只需要按着这种规律去执行就行了

读完了就是写了
这个文档已经有个比较好懂的例子了,照着弄了弄就基本可以运行了
/docs/reference/android/provider/ContactsContract.RawContacts.html
当然还有这个/docs/reference/android/provider/ContactsContract.html也得看

写联系人比较关键的就是按照文档上说的Aggregation,withValueBackReference和applyBatch
这几个东西能理解点就基本可以用了

类似的代码如下:

ArrayList<ContentProviderOperation> ops2 = new ArrayList<ContentProviderOperation>();
rawContactInsertIndex = ops2.size();

ops2
.add(ContentProviderOperation
.newInsert(
RawContacts.CONTENT_URI)
.withValue(
RawContacts.ACCOUNT_TYPE,
null)
.withValue(
RawContacts.ACCOUNT_NAME,
null)
.build());

ops2
.add(ContentProviderOperation
.newInsert(
Data.CONTENT_URI)
.withValueBackReference(
Data.RAW_CONTACT_ID,
rawContactInsertIndex)
.withValues(
getSimpleCV())
.withValues(
getPhoneCV())
.build());

public ContentValues getSimpleCV() {
ContentValues cv = new ContentValues();
cv.put(Data.MIMETYPE, StructuredName.CONTENT_ITEM_TYPE);
cv.put(StructuredName.DISPLAY_NAME, "三 张");
return cv;
}

public ContentValues getPhoneCV() {
ContentValues cv = new ContentValues();
cv.put(Data.MIMETYPE, Phone.CONTENT_ITEM_TYPE);
cv.put(Phone.NUMBER, "10086");
cv.put(Phone.TYPE, Phone.TYPE_COMPANY_MAIN);
return cv;
}

上面这几段代码跟例子不同的就是把这些值放ContentValues里面了,然后再一起加进来,其实都是一样的,只不过我们在编写代码的时候把同一类的东西放一起,另外如果你有多个号码就用循环然后通过withValues加在后面
其他内容的写入方法也类似
当然还要注意这个ID的关联,目前都是和RAW_CONTACT_ID关联的

另外在测试的过程当中发现Android删除联系人有点奇怪,有时候无法删除,我选中一个联系人删除的时候它提示本次删除将删除多条信息,我想他说的多条信息应该是raw_contact表中的多条数据,在contact表中实际只有一条
可能是raw_contact当中他没有合并

以后再来写代码删删看
本项目采用C++编程语言结合ROS框架构建了完整的双机械臂控制系统,实现了Gazebo仿真环境下的协同运动模拟,并完成了两台实体UR10工业机器人的联动控制。该毕业设计在答辩环节获得98分的优异成绩,所有程序代码均通过系统性调试验证,保证可直接部署运行。 系统架构包含三个核心模块:基于ROS通信架构的双臂协调控制器、Gazebo物理引擎下的动力学仿真环境、以及真实UR10机器人的硬件接口层。在仿真验证阶段,开发了双臂碰撞检测算法和轨迹规划模块,通过ROS控制包实现了末端执行器的同步轨迹跟踪。硬件集成方面,建立了基于TCP/IP协议的实时通信链路,解决了双机数据同步和运动指令分发等关键技术问题。 本资源适用于自动化、机械电子、人工智能等专业方向的课程实践,可作为高年级课程设计、毕业课题的重要参考案例。系统采用模块化设计理念,控制核心与硬件接口分离架构便于功能扩展,具备工程实践能力的学习者可在现有框架基础上进行二次开发,例如集成视觉感知模块或优化运动规划算法。 项目文档详细记录了环境配置流程、参数调试方法和实验验证数据,特别说明了双机协同作业时的时序同步解决方案。所有功能模块均提供完整的API接口说明,便于使用者快速理解系统架构并进行定制化修改。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
【微电网】【创新点】基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度研究(Matlab代码实现)内容概要:本文围绕基于非支配排序的蜣螂优化算法(NSDBO)在微电网多目标优化调度中的应用展开研究,提出了一种改进的智能优化算法以解决微电网系统中经济性、环保性和能源效率等多重目标之间的权衡问题。通过引入非支配排序机制,NSDBO能够有效处理多目标优化中的帕累托前沿搜索,提升解的多样性和收敛性,并结合Matlab代码实现仿真验证,展示了该算法在微电网调度中的优越性能和实际可行性。研究涵盖了微电网典型结构建模、目标函数构建及约束条件处理,实现了对风、光、储能及传统机组的协同优化调度。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事微电网、智能优化算法应用的工程技术人员;熟悉优化算法与能源系统调度的高年级本科生亦可参考。; 使用场景及目标:①应用于微电网多目标优化调度问题的研究与仿真,如成本最小化、碳排放最低与供电可靠性最高之间的平衡;②为新型智能优化算法(如蜣螂优化算法及其改进版本)的设计与验证提供实践案例,推动其在能源系统中的推广应用;③服务于学术论文复现、课题研究或毕业设计中的算法对比与性能测试。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注NSDBO算法的核心实现步骤与微电网模型的构建逻辑,同时可对比其他多目标算法(如NSGA-II、MOPSO)以深入理解其优势与局限,进一步开展算法改进或应用场景拓展。
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