ActionBar的视图结构

本文详细介绍了Android中ActionBar的功能与组成部分,包括AppICON区域、ViewNavigation区域、ActionItems区域及ActionOverflowmenu区域,并提供了具体的代码示例。


ActionBar是一个特殊的视图,它能为Activity提供统一的导航以及视图切换体验。一般情况下它位于Activity内容视图的上方,主要由以下区域组成,如图所示


  1. App ICON 区域,上图所示的图标客厅区域

这个区域主要用于显示应用程序的icon,或者自己设计的logo,或者自己定义的任何图片以及应用程序的名称(title)或者任何自定义的标题。

  1. View Navigation 区域,上图所示客厅和增加图标之间的区域

ActionBar 主要有三种导航模式

<1>standard(默认)

这种导航模式下,这个区域没有起作用

<2>list

这种模式下,这个区域显示为一个下拉列表,可以为列表的每一个选项设计一个页面显示,APIDemo里有对应的例子.

<3>tab

这种模式下,这个区域没有起作用,但是在ActionBar的下方会嵌入Tab式的导航视图,用户可以通过tab进行页面切换,就像Android4.1里的电话应用里的三个Tab切换的效果,它是通过ActionBarTab导航视图结合FragmentViewPager实现。APIDemo里有对应的例子。


  1. Action Items 区域,添加图标,搜索图标所在的区域

这个区域主要显示动作按钮,通过菜单的配置文件来实现,具体代码如下

publicboolean onCreateOptionsMenu(Menu menu) {

getMenuInflater().inflate(R.menu.standard_action_bar,menu);

return true;

}

单击这些按钮,Activity或者Fragment或者ActionView或者ActionProvider会处理单击事件,默认情况下只显示图标,如果要显示文字,showAsAction设置为withText”.

withText”,不是一个特别有效的设置,即使你已经设置,ActionBar会根据实际情况来决定是否显示title,经过实际测试,只有当itemsicon没有设置的时候,withText”这个设置才会有效果。

  1. Action Overflow menu区域,图标所在区域

这个区域只有一个图标,这个图标主要是表示还有没有显示完的ActionItems,这个图标的显示受以下因素影响

<1>menu itemsshowAsAction的影响,如果设置为never,那么点击这个图标,items就会显示。如果设置为ifRoom,但是Action Items区域已经没有足够的区域来显示这个items,那么这个items,就不会在ActionBar上显示,点击这个图标,这个items才会显示出来。

<2>menu items 的数量,如果所有的items已经全部显示在actionbar上了,那么就没有还没有显示的items了,这个图标就没有必要显示了。

总的说来,这个图标就是显示溢出的items,这个溢出的条件是由items的数量以及showAsAction 属性决定的。

按照google的设计,只有当用户的设备没有物理的菜单键的时候,才会显示overflowmenu .,考虑到应用UI的一致性,我们需要在所有的设备上都显示这个overflow,不管你的设备是否有物理的菜单键。在Activity里的onCreate里,在setContentView之前,执行如下代码,就可以达到上述效果。

privatevoid getOverflowMenu() {


try{

ViewConfiguration config = ViewConfiguration.get(this);

Field menuKeyField = ViewConfiguration.class.getDeclaredField("sHasPermanentMenuKey");

if (menuKeyField != null) {

menuKeyField.setAccessible(true);

menuKeyField.setBoolean(config, false);

}

}catch (Exception e) {

e.printStackTrace();

}

}




【EI复现】基于深度强化学习的微能源网能量管理与优化策略研究(Python代码实现)内容概要:本文围绕“基于深度强化学习的微能源网能量管理与优化策略”展开研究,重点利用深度Q网络(DQN)等深度强化学习算法对微能源网中的能量调度进行建模与优化,旨在应对可再生能源出力波动、负荷变化及运行成本等问题。文中结合Python代码实现,构建了包含光伏、储能、负荷等元素的微能源网模型,通过强化学习智能体动态决策能量分配策略,实现经济性、稳定性和能效的多重优化目标,并可能与其他优化算法进行对比分析以验证有效性。研究属于电力系统与人工智能交叉领域,具有较强的工程应用背景和学术参考价值。; 适合人群:具备一定Python编程基础和机器学习基础知识,从事电力系统、能源互联网、智能优化等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习如何将深度强化学习应用于微能源网的能量管理;②掌握DQN等算法在实际能源系统调度中的建模与实现方法;③为相关课题研究或项目开发提供代码参考和技术思路。; 阅读建议:建议读者结合提供的Python代码进行实践操作,理解环境建模、状态空间、动作空间及奖励函数的设计逻辑,同时可扩展学习其他强化学习算法在能源系统中的应用。
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