HierarchyViewer和ViewNode类的使用

本文介绍如何使用HierarchyViewer和ViewNode类获取控件的宽度、高度、坐标、文本等详细信息,以天翼空间为例,具体演示获取指定控件的属性,并提供完整代码示例。

        上一篇博文讲了通过id找到控件进行相关操作,那么控件的更多信息能不能获取呢?比如控件的width、height、坐标、文本等等。这些就要通过HierarchyViewer和ViewNode类来实现。这里依然以天翼空间为例,接着上一篇博文介绍。

        1、导入模块:输入from com.android.chimpchat.hierarchyviewer import HierarchyViewer,ViewNode,为了方便后续使用,我写成了from com.android.chimpchat.hierarchyviewer import HierarchyViewer as HV和from com.android.hierarchyviewerlib.device import ViewNode as VN两句;

        2、获取HierarchyViewer对象:输入hvT528d=T528d.getHierarchyViewer(),T528d为MonkeyDevice对象,我们可以把HierarchyViewer对象看作是一个界面查看器;

        3、获取ViewNode对象:获取天翼空间流量提示界面的“同意”按钮,输入vnT528d=hvT528d.findViewById("id/btn_agree"),我们可以把ViewNode对象看作是一个控件;

        4、获取控件的width和height:输入vnT528d.width和vnT528d.height即可获取控件的width和height;

        5、获取控件的坐标:输入hvT528d.getAbsoluteCenterOfView(vnT528d)或hvT528d.getAbsolutePositionOfView(vnT528d),前者获取的是控件中点的坐标,后者获取的是控件左上角的坐标;

        6、获取控件的文本:输入hvT528d.getText(vnT528d)。另外之前讲的EasyMonkeyDevice类中也有一个类似方法叫getText(By),不过参数是By对象,并非这里的ViewNode对象。

        由于monkeyrunner是Jython编写的,Jython不支持中文,所以这里我就不写到代码里了,不然会报错,有兴趣的朋友可以找些英文软件来试试。完整代码如下:

from com.android.monkeyrunner import MonkeyRunner as MR
from com.android.monkeyrunner import MonkeyDevice as MD
from com.android.monkeyrunner import MonkeyImage as MI
from com.android.monkeyrunner.easy import EasyMonkeyDevice,By
from com.android.chimpchat.hierarchyviewer import HierarchyViewer as HV
from com.android.hierarchyviewerlib.device import ViewNode as VN

T528d=MR.waitForConnection(10)
if T528d:
	print("Connect device successful!")
else:
	print("Connect device failed!")
eT528d=EasyMonkeyDevice(T528d)
hvT528d=T528d.getHierarchyViewer()
T528d.installPackage("D:\\MonkeyRunnerDemo\\Apps\\estore.apk")
T528d.startActivity(component="com.eshore.ezone/.StartActivity")
MR.sleep(3)
vnT528d=hvT528d.findViewById("id/btn_agree")
print("Width: "+str(vnT528d.width))
print("Height: "+str(vnT528d.height))
vnT528dCoordinate1=hvT528d.getAbsoluteCenterOfView(vnT528d)
print("vnT528dCoordinate1X: "+str(vnT528dCoordinate1.x))
print("vnT528dCoordinate1Y: "+str(vnT528dCoordinate1.y))
vnT528dCoordinate2=hvT528d.getAbsolutePositionOfView(vnT528d)
print("vnT528dCoordinate2X: "+str(vnT528dCoordinate2.x))
print("vnT528dCoordinate2Y: "+str(vnT528dCoordinate2.y))

        附上运行结果:
Width: 165
Height: 49
vnT528dCoordinate1X: 127
vnT528dCoordinate1Y: 680
vnT528dCoordinate2X: 45
vnT528dCoordinate2Y: 656

        ViewNode类里面还有很多属性,包括parent(获取父控件)、children(获取子控件)、left、top等等,这里就不一个个挨着讲了,自己看吧,呵呵。

内容概要:本文围绕EKF SLAM(扩展卡尔曼滤波同步定位与地图构建)的性能展开多项对比实验研究,重点分析在稀疏与稠密landmark环境下、预测与更新步骤同时进行与非同时进行的情况下的系统性能差异,并进一步探讨EKF SLAM在有色噪声干扰下的鲁棒性表现。实验考虑了不确定性因素的影响,旨在评估不同条件下算法的定位精度与地图构建质量,为实际应用中EKF SLAM的优化提供依据。文档还提及多智能体系统在遭受DoS攻击下的弹性控制研究,但核心内容聚焦于SLAM算法的性能测试与分析。; 适合人群:具备一定机器人学、状态估计或自动驾驶基础知识的科研人员及工程技术人员,尤其是从事SLAM算法研究或应用开发的硕士、博士研究生相关领域研发人员。; 使用场景及目标:①用于比较EKF SLAM在不同landmark密度下的性能表现;②分析预测与更新机制同步与否对滤波器稳定性与精度的影响;③评估系统在有色噪声等非理想观测条件下的适应能力,提升实际部署中的可靠性。; 阅读建议:建议结合MATLAB仿真代码进行实验复现,重点关注状态协方差传播、观测更新频率与噪声模型设置等关键环节,深入理解EKF SLAM在复杂环境下的行为特性。稀疏 landmark 与稠密 landmark 下 EKF SLAM 性能对比实验,预测更新同时进行与非同时进行对比 EKF SLAM 性能对比实验,EKF SLAM 在有色噪声下性能实验
内容概要:本文围绕“基于主从博弈的售电商多元零售套餐设计与多级市场购电策略”展开,结合Matlab代码实现,提出了一种适用于电力市场化环境下的售电商优化决策模型。该模型采用主从博弈(Stackelberg Game)理论构建售电商与用户之间的互动关系,售电商作为领导者制定电价套餐策略,用户作为跟随者响应电价并调整用电行为。同时,模型综合考虑售电商在多级电力市场(如日前市场、实时市场)中的【顶级EI复现】基于主从博弈的售电商多元零售套餐设计与多级市场购电策略(Matlab代码实现)购电组合优化,兼顾成本最小化与收益最大化,并引入不确定性因素(如负荷波动、可再生能源出力变化)进行鲁棒或随机优化处理。文中提供了完整的Matlab仿真代码,涵盖博弈建模、优化求解(可能结合YALMIP+CPLEX/Gurobi等工具)、结果可视化等环节,具有较强的可复现性工程应用价值。; 适合人群:具备一定电力系统基础知识、博弈论初步认知Matlab编程能力的研究生、科研人员及电力市场从业人员,尤其适合从事电力市场运营、需求响应、售电策略研究的相关人员。; 使用场景及目标:① 掌握主从博弈在电力市场中的建模方法;② 学习售电商如何设计差异化零售套餐以引导用户用电行为;③ 实现多级市场购电成本与风险的协同优化;④ 借助Matlab代码快速复现顶级EI期刊论文成果,支撑科研项目或实际系统开发。; 阅读建议:建议读者结合提供的网盘资源下载完整代码与案例数据,按照文档目录顺序逐步学习,重点关注博弈模型的数学表达与Matlab实现逻辑,同时尝试对目标函数或约束条件进行扩展改进,以深化理解并提升科研创新能力。
内容概要:本文介绍了基于粒子群优化算法(PSO)的p-Hub选址优化问基于粒子群优化算法的p-Hub选址优化(Matlab代码实现)题的Matlab代码实现,旨在解决物流与交通网络中枢纽节点的最优选址问题。通过构建数学模型,结合粒子群算法的全局寻优能力,优化枢纽位置及分配策略,提升网络传输效率并降低运营成本。文中详细阐述了算法的设计思路、实现步骤以及关键参数设置,并提供了完整的Matlab仿真代码,便于读者复现进一步改进。该方法适用于复杂的组合优化问题,尤其在大规模网络选址中展现出良好的收敛性实用性。; 适合人群:具备一定Matlab编程基础,从事物流优化、智能算法研究或交通运输系统设计的研究生、科研人员及工程技术人员;熟悉优化算法基本原理并对实际应用场景感兴趣的从业者。; 使用场景及目标:①应用于物流中心、航空枢纽、快递分拣中心等p-Hub选址问题;②帮助理解粒子群算法在离散优化问题中的编码与迭代机制;③为复杂网络优化提供可扩展的算法框架,支持进一步融合约束条件或改进算法性能。; 阅读建议:建议读者结合文中提供的Matlab代码逐段调试运行,理解算法流程与模型构建逻辑,重点关注粒子编码方式、适应度函数设计及约束处理策略。可尝试替换数据集或引入其他智能算法进行对比实验,以深化对优化效果算法差异的理解。
评论 3
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