Android启动页解决方案

Android studio中九宫格图片制作&android启动页闪屏解决方案 Android studio中九宫格图片制作&android启动页闪屏解决方案 参考文章 九宫格图片四条边的意义 顶部:水平拉伸的时候,保持其他位置不动,只在这个区域做无限的延伸 左边:在竖直拉伸的时候,保持其他位置不动,只在这个点的区域做无限延伸 底部:在水平拉伸的时候,指定图片里的内容显示的区域 右边:在竖直拉伸的时候,指定图片里的内容显示的区域 九宫格绘图区,下方... 阅读详情

启动页几乎成为了每个app的标配,有些商家在启动页中增加了开屏广告以此带来更多的收入。目前启动页的广告都有倒计时的功能,那么我们在倒计时的过程中能做些什么呢?

这篇文章主要包括以下两方面内容

  • 集成腾讯广告联盟的SDK
  • 启动页加载过程中,后台初始化数据

我们在设计启动页时的常规做法是建立一个Activity来加载开屏图片或者广告,作为程序的入口,那么在这个三到五秒时间内如果进行数据下载,当用户点击了跳过按钮或者计时结束了数据还没初始化完成,已经进入了主页面,而主界面刚好需要那些基础数据该如何?

随机广告与移动无关

因此,我们将启动页和主界面设计成两个Fragment,集成到MainActivity中。这样我们在启动页中加载广告,在主界面中下载数据,登陆等耗时操作,程序的结构如下:

结构

01 activity_main.xml

<?xml version="1.0" encoding="utf-8"?>
<FrameLayout xmlns:android="http://schemas.android.com/apk/res/android"
    xmlns:tools="http://schemas.android.com/tools"
    android:layout_width="match_parent"
    android:layout_height="match_parent"
    tools:context="com.landptf.blog.MainActivity">

    <fragment
        android:id="@+id/fm_splash"
        android:layout_width="match_parent"
        android:layout_height="match_parent"
        class="com.landptf.blog.splash.SplashFragment" />

    <fragment
        android:id="@+id/fm_main"
        android:layout_width="match_parent"
        android:layout_height="match_parent"
        class="com.landptf.blog.MainFragment" />

</FrameLayout>

包含了两个fragment,分别是加载广告也和主界面的

02 MainActivity.java

/**
 * Created by landptf on 2017/03/18.
 * 主页面,包含了SplashFragment和MainFragment
 */
public class MainActivity extends AppCompatActivity {

    private FragmentManager frManager;
    private SplashFragment fmSplash;
    private MainFragment fmMain;

    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.activity_main);
        initView();
    }

    private void initView() {
        frManager = getSupportFragmentManager();
        fmSplash = (SplashFragment) frManager.findFragmentById(R.id.fm_splash);
        fmMain = (MainFragment) frManager.findFragmentById(R.id.fm_main);
        showSplash();
    }

    private void showSplash(){
        frManager.beginTransaction().hide(fmMain).show(fmSplash).commit();
    }

    public void dismissSplash(){
        frManager.beginTransaction().hide(fmSplash).show(fmMain).commitAllowingStateLoss();
    }
}

在SplashFragment中广告加载完成或者点击跳过后调用dismissSplash将SplashFragment隐藏,将MainFragment显示出来

03 SplashFragment.java

/**
 * Created by landptf on 2017/03/18.
 * 启动页,集成了腾讯广告联盟的开屏广告
 */
public class SplashFragment extends Fragment {
    private static final String TAG = SplashFragment.class.getSimpleName();

    private MainActivity activity;

    private ViewGroup container;
    private TextView tvSkip;
    private ImageView ivSplashHolder;
    private static final String SKIP_TEXT = "点击跳过 %d";

    @Override
    public void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
    }

    @Override
    public View onCreateView(LayoutInflater inflater, ViewGroup container, Bundle savedInstanceState) {
        return inflater.inflate(R.layout.fragment_splash, container, false);
    }

    @Override
    public void onActivityCreated(@Nullable Bundle savedInstanceState) {
        super.onActivityCreated(savedInstanceState);
        activity = (MainActivity) getActivity();
        initView();
    }

    private void initView() {
        container = (ViewGroup) activity.findViewById(R.id.fl_splash_container);
        tvSkip = (TextView) activity.findViewById(R.id.tv_skip);
        ivSplashHolder = (ImageView) activity.findViewById(R.id.iv_splash_holder);
        //申请动态权限
        ApplyPermissions();
    }

    /**
     * 动态申请集成腾讯广告联盟的开屏广告所需要的三个权限
     * 使用了RxPermissions开源框架
     */
    private void ApplyPermissions() {
        RxPermissions rxPermissions = new RxPermissions(activity);
        rxPermissions
                .request(Manifest.permission.READ_PHONE_STATE,
                        Manifest.permission.ACCESS_COARSE_LOCATION,
                        Manifest.permission.WRITE_EXTERNAL_STORAGE)
                .subscribe(granted -> {
                    if (granted) {
                        //获取开屏广告
                        new SplashAD(activity, container, tvSkip, Constants.APPID, Constants.SplashPosID, adListener, 5000);
                    } else {
                        //直接进入主页面
                        activity.dismissSplash();
                    }
                });

    }

    /**
     * 开屏广告状态的监听
     */
    private SplashADListener adListener = new SplashADListener() {

        /**
         * 广告关闭时调用,可能是用户关闭或者展示时间到。此时一般需要跳过开屏的Activity,进入应用内容页面
         */
        @Override
        public void onADDismissed() {
            activity.dismissSplash();
        }

        /**
         * 广告加载失败,errCode用于描述失败原因。
         * @param i
         */
        @Override
        public void onNoAD(int i) {
            Log.e(TAG, "error code = " + i);
            activity.dismissSplash();
        }

        /**
         * 广告成功展示时调用
         */
        @Override
        public void onADPresent() {
            ivSplashHolder.setVisibility(View.GONE);
        }

        /**
         * 广告被点击时调用
         */
        @Override
        public void onADClicked() {
            Log.i(TAG, "SplashADClicked");
        }

        /**
         * 倒计时回调,返回广告还将被展示的剩余时间,单位是ms
         * @param l
         */
        @Override
        public void onADTick(long l) {
            tvSkip.setText(String.format(SKIP_TEXT, Math.round(l / 1000f)));
        }
    };
}

这里集成了腾讯广告联盟,点击这里注册,流程比较简单,按照说明一步一步进行就可以了,sdk文档也比较详细。

当广告加载完成后调用 activity.dismissSplash();将其隐藏

04 MainFragment.java

/**
 * 模拟后台耗时操作
 */
private void testThread(){
    new Thread(() -> {
        int i = 0;
        while (i < 5) {
            try {
                Thread.sleep(1000);
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
            Log.e(TAG, "--- " + i + " ---");
            i++;
        }
    }).start();
}

在MainFragment主线程中开启了一个只线程来模拟耗时操作,通过log可以看到在广告倒计时的过程中线程已经在执行了。

03-18 03:30:50.348 9491-9513/com.landptf.blog E/MainFragment: --- 0 ---
03-18 03:30:51.348 9491-9513/com.landptf.blog E/MainFragment: --- 1 ---
03-18 03:30:52.348 9491-9513/com.landptf.blog E/MainFragment: --- 2 ---
03-18 03:30:53.349 9491-9513/com.landptf.blog E/MainFragment: --- 3 ---
03-18 03:30:54.350 9491-9513/com.landptf.blog E/MainFragment: --- 4 ---

以上就是app的启动页方案,充分利用了加载广告的时间

全部代码已上传至Github,欢迎访问

end.

landptf.rar 本示例采用c#实现的c/s windows 窗体应用程序的皮肤美化示例,和放大缩小按钮,让界面看起来更夹美观。适合学习适用。 立即下载

相关推荐

Android启动页与引导页的简单实现

如今的App可谓是异彩纷呈。但是它们基本都有一个共同的特性,就是启动应用时会有启动页(可插入广告),第一次安装启动时还有引导页(展现APP的风采、特性等)。

深入讲解Android Property机制

1概述 Android系统(本文以Android 4.4为准)的属性(Property)机制有点儿类似Windows系统的注册表,其中的每个属性被组织成简单的键值对(key/value)供外界使用。 我们可以通过在adb shell里敲入getprop命令来获取当前系统的所有属性内容,而且,我们还可以敲入类似“getprop属性名”的命令来获取特定属性的值。另...

Change 1万+

cocoscreator嵌入原生Android1

cocoscreator嵌入原生Android1

android定期动态更新启动页

我们用android手机打开一个app,会发现一个现象就是好多的app的首页是定期变化的(说白了其实就是服务器端的图片定期被更新了,android端需要定期检测并确定是否需要开启线程进行下载并保存起来),下面小编介绍一下自己是怎么搞的,大家互相学习交流! 1.本次用到了java中SoftReference,即对象的软引用。如果一个对象具有软引用,内存空间足够,垃圾回收器就不会回收它;

laymenISmouse的专栏 3564

【软件逆向学习记录】x64dbg调试器入门2:主调试窗口功能及字符串搜索功能介绍

在x64dbg中, ​​CPU视图 是调试过程中最核心的界面,通常被称为​​主调试窗口​​或​​调试视图​​,总体分为四个区域,代码区(反汇编),数据区(内存窗口),寄存器区和堆栈区,详细位置如下图:示例数据代码区最左侧为内存地址,第二块区域为程序代码值,原始程序代码经编译和汇编后变为二进制机器码存储在计算机中,调试器将其展示为易于阅读的十六进制,第三块区域是机器码反汇编后的汇编代码,最右侧为代码的注释窗口,有一些原始的注释,也可以自己添加注释PS:汇编和反汇编解释。

tusikong的博客 2924

深入Google DroidGuard:剖析其自定义虚拟机如何守护Android应用安全(附pcbc文件机制解析)

本文深入解析Google DroidGuard自定义虚拟机如何通过独特的架构设计和加密机制保护Android应用安全。DroidGuard采用动态密钥派生、全加密执行环境和pcbc文件机制,有效防御逆向工程和自动化攻击,为移动安全提供新思路。

weixin_34254464的博客 308

android启动页动态配置,Android启动页的简单实现

凑字数:之前做的几个app由于没考虑加启动页(毕竟是打比赛用的,没做细节),都是一点开出现一个空白页,然后过几秒才加载出视图,体验是真的不行。直到现在真的要做一个属于自己的项目了,才去关注了下这个问题。好吧,今天只是讲讲启动页的简单实现而已,没有深入探讨,可能以后会深入研究的。进入正题:首先要说一件事,那就是我们经常用到的onCreate()方法中,一般是这样写的:在setContentView(...

weixin_35726635的博客 1240

告别手动群发!用IDA Pro和CE搞定企业微信4.1.38.6011的HOOK开发(附完整代码)

本文详细介绍了如何利用IDA Pro和Cheat Engine进行企业微信4.1.38.6011的HOOK开发,实现自动化群发功能。从逆向工程环境配置、关键函数定位到HOOK框架设计,提供完整代码示例,帮助企业提升运营效率。

weixin_42533120的博客 480

Android 项目必备(二)--> 启动页 & 引导页

一个很慢的启动页很容易让用户觉得受不了,进而“逃离” App 的,所以若想产品有更好的用户体验,做一些启动页的优化是一个不错的选择。这里我们简单介绍一下我在实践中对启动页是如何优化的。...

Kevin Learn Android 3703

Unity3D安装:离线安装 Unity

Unity 下载助手 (Download Assistant) 支持离线部署。在这种部署方式中,可下载用于安装 Unity 的所有文件,然后生成脚本以便在未接入互联网的其他计算机上重复相同的安装。运行下载助手,并在一台计算机上正常安装 Unity。此计算机必须有足够的可用磁盘空间来下载所有文件。单击下拉选单并选择 __Custom__,然后选择要将文件下载到的位置。打开 PC 的文件管理器,导航到之前指定的自定义位置文件夹,然后在该文件夹内查找。整理翻译,转载请注明出处!

ygtu2018的博客 3261

华为OD机试双机位A卷 - VLAN资源池 (C++ & Python & JAVA & JS & GO)

华为OD机试2025双机位A卷 VLAN资源池,提供Java、C++、Python、Go、JavaScript源码实现,并提供完整思路讲解

qq_45776114的博客 879

Android启动页黑屏原理解析,以及最优解决方案

具体方法如下:style.xlm同样将主题设置到启动的Activity的主题中,windowBackground就是即将展示的preview window。其中splash_icon可以是一整张图片,网上很多小伙伴也都是这么做的。其实它也可以是一个能解析出图片资源的XML文件,好像只有layer-list这种能做得到,因为它能够将多个drawable叠加起来展示。这样设置之后,当你点击APP,会立马进入你配置的界面,然后启动欢迎页,效果如下。

2501_90499511的博客 1070

【3GPP核心网】【5G】史上最全的5G协议规范总结

物理层信道定义:TS38.211(物理层信号的生成、调制,DMRS和额外DMRS,PRACH configuration index,Point A等介绍)传输信道和控制信道的数据处理:TS38.212(包括复用,信道编码,交织,DCI,DMRS端口号等)物理层控制过程:TS38.213(同步,上行功控,随机接入,UE上报和接收控制消息的过程,SSB等)物理层测量:TS38.215(UE和网络的测量控制,UE测量能力)频率、频点相关F R1:TS38.101-1。

风云说通信 3179

Android启动页黑屏原理解析,以及最优解决方案,安卓面试项目包装

将APPTheme设定为启动的Activity的主题,即可禁止Preview Window,当然,也有人通过把preview window设置为全透明,也达成了类似的效果。 结果就是,当你点击APP时,界面会无响应一段时间,然后进入APP。 我个人强烈不推荐这么做,因为Android想方设法提升的用户体验一下子被你打回解放前。 方案二:自定义Preview Window 具体方法如下: style.xlm 同样将主题设置到启动的Activity的主题中,windowBackground就是即将展示的p.

m0_64383184的博客 328

反应动力学仿真软件:ChemkinPro_(11).敏感性分析

敏感性分析是化学反应动力学仿真中的一项重要技术,通过对模型参数的变化对模型输出的影响进行评估,可以帮助研究人员优化模型、验证实验数据和评估不确定性。ChemkinPro 提供了强大的敏感性分析功能,可以方便地进行参数选择、仿真设置和结果解读。通过实际案例研究,我们可以看到敏感性分析在燃烧、催化和环境化学等领域的广泛应用,为科学研究和工程应用提供了有力支持。

kkchenjj的博客 1312

5. SAP UI5 视图控制器(Controller)初探

本教程的前一个步骤也就是第四个步骤,我们了解了 SAP UI5 XML 视图的使用方法。在该步骤里,我们在 XML 视图里声明了一个 Text 控件实例,该控件位于 sap.m 这个命名空间内。 本步骤会继续接触 SAP UI5 MVC 框架中三大基石的另一块:C - Controller,即控制器。 先看看本步骤完成之后,我们得到的 SAP UI5 应用能实现一个什么样的效果。 访问如下 url: http://localhost:8080/webapp/index.html 能看到一个 Say Hell

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 4600

android 启动页白屏(解决方案)

戳这里查看

橘子丶 859

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

android启动画面空白,Android启动页出现白屏、黑屏的解决方案

历史原因当系统启动一个APP时,zygote进程会首先创建一个新的进程去运行这个APP,但是进程的创建是需要时间的,在创建完成之前,界面是呈现假死状态的,这就很尴尬了,因为用户会以为没有点到APP而再次点击,这极大的降低用户体验,Android需要及时做出反馈去避免这段迷之尴尬。于是系统根据你的manifest文件设置的主题颜色的不同来展示一个白屏或者黑屏。而这个黑(白)屏正式的称呼应该是Prev...

weixin_39830225的博客 646

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

android广告页白屏_Android 启动页白屏解决方案

当我们打开app的时候是不是会有一瞬间的白屏然后再进入主活动,虽然这并不会造成什么不好的后果,但是感觉用户体验就不是很好。像网易云音乐等等,打开一瞬间就显示了他们的loge,无缝衔接,没有白屏,怎么做到的呢?一开始我的思路是这样的。可能是因为我们的主活动逻辑太多,所以加载会变慢,导致显示白屏。如果使用一个只显示一张本地图片的活动,那会不会就不会显示白屏了呢。话不多说我们尝试一下:Activity...

weixin_34188576的博客 550

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

Android 启动页适配问题的完美解决方案

启动页适配问题的完美解决方案具体操作 提到启动页的适配,大家可能都知道,只要在在各个资源文件夹下创建不同尺寸的启动页图片,后面就不用管了。但这一套方案,在当下手机分辨率多元化的场景下,却显得十分无力。本文提供一个新的思路,点九图。 具体操作 一、 准备一张启动页的图片,以下图为例 二、 打开Android Studio ,在需要操作的图片上右键,选择 Create 9-Patch file 点击后,选择保存点九图片在哪个包下 配置成功后,会生成一张后缀为**.9**的图片 三、打开**.9**

w13576267399的博客 3047

android 启动页白屏解决方案

android 启动页白屏解决方案最近在做项目的时候,突然遇到启动页白屏不显示的问题,首先想到的就是图片大小,仔细查看 果然,美工给了我一张超大的图片,我也没细看就替换上去了,汗! 好吧,既然发现了问题,果断替换掉图片,但是,特么还是白屏(你特么在逗我!),几番百度,谷歌,得到如下解决方案: 首先在style文件中创建一个样式 <style name="Theme.BackgroundTra

我要成为张大大 2125

react-native-splash-screen android 启动页实现,以及遇到问题解决方案

react-native-splash-screen android 启动页实现,以及遇到问题解决方案

zhengxiuchen86的博客 421

关于Android启动页全屏的解决方案

关于启动页全屏的解决方案该方法放到setcontentview之前private void full(boolean enable) { if (enable) { WindowManager.LayoutParams lp = getWindow().getAttributes(); lp.flags |= WindowManager

Gushenge的博客 7589
上一篇: 一个神奇的SuperTextView你值得拥有!
下一篇: Android通用流行框架大全
System_err
博客等级 码龄10年 52粉丝 122原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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