Android事件处理

本文介绍了Android中基于监听和回调的事件处理机制,详细解释了Configuration类的应用、Handler消息传递机制的工作原理以及AsyncTask的基本使用方法。

一、基于监听的事件处理

1、采用委托式事件处理方式:事件源将整个事件处理委托给事件监听器,当事件源发生指定的事件时,就通知所委托事件监听器来处理这个事件。

2、事件监听器形式:内部类形式(可在当前类中复用,可自由访问外部类的所有界面组件)、外部类的形式(多个GUI所共享,主要是完成某种业务逻辑的实现;不利于提高程序的内聚性,编程不够简洁)、Activity本身(形式简洁;造成程序结构混乱,感觉怪异)、匿名内部类(临时使用一次;语法不易掌握)

二、基于回调的事件的处理

1、回调机制与监听的采用委托式事件处理方式相反,事件源与事件监听器是统一的,当发生某个事件时,组件自己特定的方法将会负责处理该事件。

2、基于回调事件的传播:Android系统最先触发的是按键上绑定的时间监听器,然后才触发该组件提供的事件回调方法,最后还会传播到该组件所在的Activity。但如果我们让任何一个事件处理方法返回了true,那么该事件将不会继续向外传播。

三、响应系统设置的事件

Configuration类:描述手机上设备上的配置信息,包括用户特定的配置项和系统的动态设备配置   getResources().getConfiguration();获得。onConfigurationChanged方法响应系统设置的更改。

四、Handler消息传递机制

1、解决Android应用的多线程问题,新启动的线程无法动态改变界面组件的属性值。

2、新启动的线程中发送消息,在主线程中获取、处理消息。通过回调的方式来实现。当新启动的线程发送消息时,消息会发送到与之相关的MessageQuue,而Handler会不断的从MessageQueue中获取并处理消息,这将导致Handler类中处理消息的方法被回调。

3、HandlerLoopMessageQueue

Handler:发送消息和处理消息。发送消息到指定的MessageQueue,负责处理Looper分给它的消息

Looper:每个线程只有一个Looper,负责管理MessageQueue,会不断的从MessageQueue取消息并分给对应的handler来处理。主线程中系统已经初始化了一个Looper对象,在子线程中创建Looper对象需要调用Looper.prepare(),最后再Looper.loop()启动。给谁发送消息取决于是谁的Handler

MessageQueueLooper负责管理,才要先进先出的方式来管理Message

五、异步任务(AsyncTask

1、通常用于被继承AsyncTask<ParamsProgressResult>

Params:启动任务执行的输入参数类型

Progress:后台任务完成的进度值的类型

Result后台执行任务完成后返回结果的类型

2、AsyncTask方法:

onPreExecute():执行后台操作前被调用

‚doInBackgroundParams..):后台线程将要完成的任务,改方法可调用publishProgressParams... value)更新任务的执行进度

ƒonProgressUpadateProgres...value):doInBackground调用publishProgress之后会被调用

④onPostExecuteResult result):doInBackground完成之后系统调用,并将doInBackground的返回值传该方法

3、更轻量级,适合于简单的异步处理,但每个AsyncTask只能被执行一次,多次调用将会引发异常

 

标题基于Python的汽车之家网站舆情分析系统研究AI更换标题第1章引言阐述汽车之家网站舆情分析的研究背景、意义、国内外研究现状、论文方法及创新点。1.1研究背景与意义说明汽车之家网站舆情分析对汽车行业及消费者的重要性。1.2国内外研究现状概述国内外在汽车舆情分析领域的研究进展与成果。1.3论文方法及创新点介绍本文采用的研究方法及相较于前人的创新之处。第2章相关理论总结和评述舆情分析、Python编程及网络爬虫相关理论。2.1舆情分析理论阐述舆情分析的基本概念、流程及关键技术。2.2Python编程基础介绍Python语言特点及其在数据分析中的应用。2.3网络爬虫技术说明网络爬虫的原理及在舆情数据收集中的应用。第3章系统设计详细描述基于Python的汽车之家网站舆情分析系统的设计方案。3.1系统架构设计给出系统的整体架构,包括数据收集、处理、分析及展示模块。3.2数据收集模块设计介绍如何利用网络爬虫技术收集汽车之家网站的舆情数据。3.3数据处理与分析模块设计阐述数据处理流程及舆情分析算法的选择与实现。第4章系统实现与测试介绍系统的实现过程及测试方法,确保系统稳定可靠。4.1系统实现环境列出系统实现所需的软件、硬件环境及开发工具。4.2系统实现过程详细描述系统各模块的实现步骤及代码实现细节。4.3系统测试方法介绍系统测试的方法、测试用例及测试结果分析。第5章研究结果与分析呈现系统运行结果,分析舆情数据,提出见解。5.1舆情数据可视化展示通过图表等形式展示舆情数据的分布、趋势等特征。5.2舆情分析结果解读对舆情分析结果进行解读,提出对汽车行业的见解。5.3对比方法分析将本系统与其他舆情分析系统进行对比,分析优劣。第6章结论与展望总结研究成果,提出未来研究方向。6.1研究结论概括本文的主要研究成果及对汽车之家网站舆情分析的贡献。6.2展望指出系统存在的不足及未来改进方向,展望舆情
【磁场】扩展卡尔曼滤波器用于利用高斯过程回归进行磁场SLAM研究(Matlab代码实现)内容概要:本文介绍了利用扩展卡尔曼滤波器(EKF)结合高斯过程回归(GPR)进行磁场辅助的SLAM(同步定位与地图构建)研究,并提供了完整的Matlab代码实现。该方法通过高斯过程回归对磁场空间进行建模,有效捕捉磁场分布的非线性特征,同时利用扩展卡尔曼滤波器融合传感器数据,实现移动机器人在复杂环境中的精确定位与地图构建。研究重点在于提升室内等无GPS环境下定位系统的精度与鲁棒性,尤其适用于磁场特征明显的场景。文中详细阐述了算法原理、数学模型构建、状态估计流程及仿真实验设计。; 适合人群:具备一定Matlab编程基础,熟悉机器人感知、导航或状态估计相关理论的研究生、科研人员及从事SLAM算法开发的工程师。; 使用场景及目标:①应用于室内机器人、AGV等在缺乏GPS信号环境下的高精度定位与地图构建;②为磁场SLAM系统的设计与优化提供算法参考和技术验证平台;③帮助研究人员深入理解EKF与GPR在非线性系统中的融合机制及实际应用方法。; 阅读建议:建议读者结合Matlab代码逐模块分析算法实现细节,重点关注高斯过程回归的训练与预测过程以及EKF的状态更新逻辑,可通过替换实际磁场数据进行实验验证,进一步拓展至多源传感器融合场景。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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