第二百七十六回

本文详细介绍了如何在Flutter中调整TextField组件的填充颜色、高度以及添加圆角,包括使用fillColor和filled属性、通过子组件控制高度以及两种圆角添加方法。


我们在上一章回中介绍了"DropdownButton组件"相关的内容,本章回中将介绍TextField组件的细节.闲话休提,让我们一起Talk Flutter吧。

在这里插入图片描述

1. 概念介绍

我们在本章回中介绍的TextFiled组件主要用来实现文本输入功能,我们在前面章回中介绍过该组件的基本用法,本章回中主要分享与该组件相关的三个细节知识:

2. 使用方法

2.1 修改组件的填充颜色

使用TextField组件实现输入框时,输入框中默认的背景颜色是白色,如果想把背景颜色从白色修改成其它颜色,可以使用fillColor属性,不过只设置该属性没有效
果,还需要设置filled属性,该属性是布尔类型,默认值是false,把它设置成true后才会使用fillColor属性中的颜色来填充输入框的背景。总之,fillColor和
filled这两个属性需要一起使用才能修改输入框的背景颜色。

2.2 修改组件的高度

有时候需要调整输入框的高度和宽度,这时候可以在输入框外层嵌套一个容器,比如SizedBox或者Container,但是我们实践后发现,这些容器只能调整输入框的宽度,
无法调整输入框的高度。TextFiled组件也没有类似height这样的属性来控制它的高度,怎么办?经过反复实践后发现,输入框的高度与它的子控件高度有关,可以通
过调整子控件的高度间接调整输入框的高度,比如prefixIcon属性用来控制输入框中显示的图标,我们可以调整该图标的高度,输入框的高度会自动与子控制的高度保持
一致,这样相当于间接地调整了输入框的高度。

2.3 给组件添加圆角

输入框默认没有边框,可以通过decoration属性来给输入框添加边框,在添加边框的同时可以控制边框的圆角。它的用法和Container组件中decoration属性的用法
相似,我们就不详细介绍了。还一种添加圆角的方法是使用ClipRRect组件,在输入框外层嵌套一个ClipRRect组件,通过该组件把输入框剪切成圆角形状。不过该方法
适用于无边框的输入框。大家可以依据项目需求任意选取一种方法来给输入框添加圆角。

3. 示例代码

ClipRRect(
  ///剪切圆角
  borderRadius: BorderRadius.circular(10),
  child: TextField(
    decoration: InputDecoration(
      // constraints: BoxConstraints(minHeight: 80,),
      ///间接调整输入框的高度
      prefixIcon: const Image(
        height: 64,
        image: AssetImage("images/mail.png"),),
      ///这两个一起使用才有填充颜色
      filled: true,
      fillColor: Colors.grey[200],
      border: InputBorder.none,
    ),
  ),
),

上面的示例代码中演示了使用输入框过程中的三个细节,大家注意一下,我们说的filled等属性都是InputDecoration组件中的属性,TextField本身没有这些属性。
我在这里就不演示程序的运行效果了图了,建议大家自己动手去实践。

4. 内容总结

我们在本章回中分享了使用输入框过程中的三个细节,在此对它们做一个全面的总结:

  • 修改输入框的背景填充颜色可以需要filled和fillColor两个属性一起使用才有效果;
  • 修改输入框的高度需要通过输入框子组件的高度来间接修改;
  • 给组件添加圆角有两种方法:通过边框添加,通过组件剪切成圆角;
    看官们,与"分享三个使用TextField的细节"相关的内容就介绍到这里,欢迎大家在评论区交流与讨论!
内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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

打赏作者

talk_8

真诚赞赏,手有余香

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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