Android App自测方式--严苛模式(StrictMode)

转载自:https://blog.youkuaiyun.com/brokge/article/details/8543145

 Android 2.3提供一个称为严苛模式(StrictMode)的调试特性,Google称该特性已经使数百个Android上的Google应用程序受益。那它都做什么呢?它将报告与线程及虚拟机相关的策略违例。一旦检测到策略违例(policy violation),你将获得警告,其包含了一个栈trace显示你的应用在何处发生违例。你可以强制用警告代替崩溃(crash),也可以仅将警告计入日志,让你的应用继续执行。策略的细节尚难确定,可以期待随Android的成熟Google将增加更多策略。

    目前有2种策略可用,第一个和线程相关,它主要针对主线程(或UI线程)。由于在主线程中读写磁盘和进行网络访问都不是好的做法,Google已经在磁盘和网络代码中添加了严苛模式(StrictMode)钩子(hook)。如果你对某个线程打开严苛模式(StrictMode),当那个线程进行磁盘和网络访问,你将获得警告。你可以选择警告方式。一些违例包含用户慢速调用(custom slow calls 这么翻译行吗?),磁盘读写,网络访问。你能选择将警告写入LogCat,显示一个对话框,闪下屏幕,写入DropBox日志文件,或让应用崩溃。最通常的做法是写入LogCat或让应用崩溃。列表2-9显示了一个为线程策略设置严苛模式(StrictMode)的例子。

列表2-9 设置严苛模式(StrictMode)的线程策略

  1. StrictMode.setThreadPolicy(new StrictMode.ThreadPolicy.Builder()  
  2.     .detectDiskReads()  
  3.     .detectDiskWrites()  
  4.     .detectNetwork()  
  5.     .penaltyLog()  
  6.     .build());  

    Builder类使得设置变得很简单,Builder函数定义所有策略都返回Builder对象,从而这些函数能像列表2-9那样串连在一起。最后调用build()函数返回一个ThreadPolicy对象作为StrictMode对象的setThreadPolicy()函数的参数。注意到setThreadPolicy()是一个静态函数,因此不需要实例化StrictMode对象。在内部,setThreadPolicy()将对当前线程应用该策略。如果不指定检测函数,也可以用detectAll()来替代。penaltyLog()表示将警告输出到LogCat,你也可以使用其他或增加新的惩罚(penalty)函数,例如使用penaltyDeath()的话,一旦StrictMode消息被写到LogCat后应用就会崩溃。

    你不需要频繁打开严苛模式(StrictMode),你可以在主活动的onCreate()函数中打开它,你也可以在Application派生类的OnCreate()函数中设置严苛模式(StrictMode)。线程中运行的任何代码都可以设置严苛模式(StrictMode),但你的确只需要设置一次,一次就够了。

    类似于线程策略(ThreadPolicy),严苛模式(StrictMode)有虚拟机策略(VmPolicy)。虚拟机策略(VmPolicy)能检查内存泄漏,譬如,当关闭一个SQLite对象前的完结操作,或其他任何类似可关闭对象在关闭前的完结操作。虚拟机策略(VmPolicy)由一个类似的Builder类创建,如列表2-10所示。和线程策略(ThreadPolicy)不同的是,虚拟机策略(VmPolicy)不能通过一个对话框提供警告。

列表2-10 设置严苛模式(StrictMode)的虚拟机策略

  1. StrictMode.setVmPolicy(new StrictMode.VmPolicy.Builder()  
  2.     .detectLeakedSqlLiteObjects()  
  3.     .penaltyLog()  
  4.     .penaltyDeath()  
  5.     .build());  

    因为设置发生在线程中,严苛模式(StrictMode)甚至能在从一个对象到另一个对象的控制流中找到违例事件。当违例发生,你会惊奇地注意到代码正运行于主线程,而栈trace将帮助你发现它如何发生。于是你能单步调试解决问题,或是将代码移到它自己的后台线程,或是就保持原来的处理方式。这都取决与你。当然,你可能希望适时关闭严苛模式(StrictMode),当你的程序作为产品发布时,你可不希望它仅为了一个警告在你的用户手里崩溃。

    有两个方法可以关闭严苛模式(StrictMode),最直接的就是移除相应代码,但这样做不利于持续开发的产品。你通常可以定义一个应用级别布尔变量来测试是否需要调用严苛模式(StrictMode)代码。在发布产品前将这个值定义为FALSE。更优雅的方式是利用调试模式(debug mode)的特点,在AndroidManifest.xml中定义这个布尔变量。<application>字段的属性之一是android:debuggable,其义自明。列表2-11给出了利用该特性的控释方法。

列表2-11 仅在调试模式设置严苛模式(StrictMode)

  1. // Return if this application is not in debug mode  
  2. ApplicationInfo appInfo = context.getApplicationInfo();  
  3. int appFlags = appInfo.flags;  
  4. if ((appFlags & ApplicationInfo.FLAG_DEBUGGABLE) != 0) {  
  5.     // Do StrictMode setup here  
  6.     StrictMode.setVmPolicy(new StrictMode.VmPolicy.Builder()  
  7.         .detectLeakedSqlLiteObjects()  
  8.         .penaltyLog()  
  9.         .penaltyDeath()  
  10.         .build());  
  11. }  
    使用Eclipse调试环境,ADT自动为你设置debuggable属性,使项目更易于管理。当你在模拟器上或直接在设备上部署应用,debuggable属性为TRUE,当你导出应用建立一个产品版本,ADT将该属性置为FALSE。注意,如果你另行设置了这个属性值,ADT不会改变它。

    严苛模式(StrictMode)很不错,不过在Android 2.3之前的版本上该模式不工作。为了避免这个问题,你要在StrictMode对象还不存在的时候就验证版本是否在Android2.3及以上。你能利用反射技术(reflection),当严苛模式(StrictMode)函数有效时间接调用它,反之不去调用。方法很简单,你能按列表2-12中的代码处理

列表2-12  利用反射技术(reflection)调用严苛模式(StrictMode)

  1. try {  
  2.     Class sMode = Class.forName("android.os.StrictMode");  
  3.     Method enableDefaults = sMode.getMethod("enableDefaults");  
  4.     enableDefaults.invoke(null);  
  5. }  
  6. catch(Exception e) {  
  7.     // StrictMode not supported on this device, punt  
  8.     Log.v("StrictMode""... not supported. Skipping...");  
  9. }  
    当严苛模式(StrictMode)不存在,将捕捉到ClassNotFoundException异常。enableDefault()是严苛模式(StrictMode)类的另一个函数,它检测所有违例并写入LogCat。因为这里调用的是静态形式的enableDefault(),所以用null作为参数传入。

    某些时候你不希望报告所有违例。那在主线程之外的其他线程中设置严苛模式(StrictMode)很不错。譬如,你需要在正在监视的线程中进行磁盘读取。此时,你要么不去调用detectDiskReads(),要么在调用detectAll()之后跟一个permitDiskReads()。类似允许函数也适用于其他操作。但要是你要在Anroid2.3之前版本上做这些事,有办法吗?当然有。

    当应用中严苛模式(StrictMode)无效,如果你试图访问它,将抛出一个VerifyError异常。如果你将严苛模式(StrictMode)封装在一个类里,并捕捉这个错误,当严苛模式(StrictMode)无效时,你能忽略它。列表2-13显示一个简单的严苛模式(StrictMode)封装类StrictModeWrapper。列表2-14显示了如何在你的应用中使用这个封装类。

列表 2–13 在Anroid2.3之前版本建立严苛模式(StrictMode)封装类

  1. import android.content.Context;  
  2. import android.content.pm.ApplicationInfo;  
  3. import android.os.StrictMode;  
  4. public class StrictModeWrapper {  
  5.     public static void init(Context context) {  
  6.         // check if android:debuggable is set to true  
  7.         int appFlags = context.getApplicationInfo().flags;  
  8.         if ((appFlags & ApplicationInfo.FLAG_DEBUGGABLE) != 0) {  
  9.             StrictMode.setThreadPolicy(new StrictMode.ThreadPolicy.Builder()  
  10.                 .detectDiskReads()  
  11.                 .detectDiskWrites()  
  12.                 .detectNetwork()  
  13.                 .penaltyLog()  
  14.                 .build());  
  15.             StrictMode.setVmPolicy(new StrictMode.VmPolicy.Builder()  
  16.                 .detectLeakedSqlLiteObjects()  
  17.                 .penaltyLog()  
  18.                 .penaltyDeath()  
  19.                 .build());  
  20.         }  
  21.     }  
  22. }  

列表 2–14  在Anroid2.3之前版本调用严苛模式(StrictMode)封装类

  1. try {  
  2.     StrictModeWrapper.init(this);  
  3. }  
  4. catch(Throwable throwable) {  
  5.     Log.v("StrictMode""... is not available. Punting...");  
  6. }  

//如果考虑到关于版本兼容问题,因为按照上面的写法在2.3以下系统是没有问题的,但是在2.3以上的话,就会出错,所以应该采用以下方式来处理:

[java]  view plain  copy
  1.   @SuppressLint("NewApi")  
  2. public static void init(Context context) {  
  3.     // check if android:debuggable is set to true  
  4.     int appFlags = context.getApplicationInfo().flags;  
  5.     if ((appFlags & ApplicationInfo.FLAG_DEBUGGABLE) != 0) {  
  6.   
  7.         try {  
  8.             //Android 2.3及以上调用严苛模式  
  9.             Class sMode = Class.forName("android.os.StrictMode");  
  10.             Method enableDefaults = sMode.getMethod("enableDefaults");  
  11.             enableDefaults.invoke(null);  
  12.         } catch (Exception e) {  
  13.             // StrictMode not supported on this device, punt  
  14.             Log.v("StrictMode""... not supported. Skipping...");  
  15.         }  
  16.   
  17.         /* 
  18.          * StrictMode.setThreadPolicy(new StrictMode.ThreadPolicy.Builder() 
  19.          * .detectDiskReads() .detectDiskWrites() .detectNetwork() 
  20.          * .penaltyLog() .build()); StrictMode.setVmPolicy(new 
  21.          * StrictMode.VmPolicy.Builder() .detectLeakedSqlLiteObjects() 
  22.          * .penaltyLog() .penaltyDeath() .build()); 
  23.          */  
  24.     }  
  25. }   

基于 NSFW Model 色情图片识别鉴黄 后面更新视频检测 项目背景: 随着互联网的快速发展,网络上的信息量呈现出爆炸式的增长。然而,互联网上的内容良莠不齐,其中不乏一些不良信息,如色情、暴力等。这些信息对青少年的健康成长和社会风气产生了不良影响。为了净化网络环境,保护青少年免受不良信息的侵害,我国政府加大了对网络内容的监管力度。在此背景下,本项目应运而生,旨在实现对网络图片和视频的自动识别与过滤,助力构建清朗的网络空间。 项目简介: 本项目基于 NSFW(Not Safe For Work)Model,利用深度学习技术对色情图片进行识别与鉴黄。NSFW Model 是一种基于卷积神经网络(CNN)的图像识别模型,通过学习大量的色情图片和非色情图片,能够准确地判断一张图片是否含有色情内容。本项目在 NSFW Model 的基础上,进一步优化了模型结构,提高了识别的准确率和效率。 项目功能: 色情图片识别:用户上传图片后,系统会自动调用 NSFW Model 对图片进行识别,判断图片是否含有色情内容。如果含有色情内容,系统会给出相应的提示,并阻止图片的传播。 视频检测:针对网络视频,本项目采用帧提取技术,将视频分解为一帧帧图片,然后使用 NSFW Model 对这些图片进行识别。如果检测到含有色情内容的图片,系统会给出相应的提示,并阻止视频的传播。 实时监控:本项目可应用于网络直播、短视频平台等场景,实时监控画面内容,一旦检测到含有色情内容的画面,立即进行屏蔽处理,确保网络环境的纯洁。
### 如何在本地部署 NSFW 模型或服务 要在本地环境中成功部署 NSFW(不适宜工作场合内容)检测模型或服务,以下是详细的说明: #### 准备环境 为了确保能够顺利运行模型和服务,需要安装必要的依赖项。这些工具和库包括但不限于以下几类: - **Python 环境**: 推荐使用 Python 3.7 或更高版本。 - **Transformers 库**: 提供加载预训练模型的功能[^1]。 - **PyTorch/TensorFlow**: 支持深度学习框架的计算需求。 - **Pillow (PIL)**: 处理图像文件并将其转换为适合输入模型的形式。 具体命令如下所示: ```bash pip install transformers torch Pillow ``` #### 加载模型与测试 通过 Hugging Face 的 `transformers` 工具包可以直接访问已有的 NSFW 图片分类模型。例如,可以采用名为 `"Falconsai/nsfw_image_detection"` 的公开模型来完成此任务[^1]。 下面是一个简单的代码片段展示如何加载该模型并对单张图片执行预测操作: ```python from PIL import Image from transformers import pipeline def classify_nsfw(image_path): # 打开指定路径下的图片文件 img = Image.open(image_path) # 初始化 image-classification 流水线对象,并指明使用的特定模型名称 classifier = pipeline("image-classification", model="Falconsai/nsfw_image_detection") # 对传入的图片调用流水线方法得到其类别标签及其置信度分数列表形式的结果 result = classifier(img) return result if __name__ == "__main__": test_img_path = "<your_test_image>" output_results = classify_nsfw(test_img_path) print(output_results) ``` 注意替换 `<your_test_image>` 成实际存在的图片绝对或者相对地址字符串值之前再尝试运行以上脚本。 #### 构建 RESTful API 服务 如果希望进一步扩展功能至 Web 应用程序层面,则可考虑利用 Flask/Django 这样的轻量级 web 开发框架构建起支持 HTTP 请求交互的服务端接口。这里给出基于 FastAPI 实现的一个简单例子作为示范用途: ```python import uvicorn from fastapi import FastAPI, File, UploadFile from PIL import Image from io import BytesIO from typing import List from pydantic import BaseModel app = FastAPI() class Prediction(BaseModel): label: str score: float @app.post("/predict/", response_model=List[Prediction]) async def predict(file: UploadFile = File(...)): try: contents = await file.read() pil_image = Image.open(BytesIO(contents)) clf_pipeline = pipeline('image-classification', model='Falconsai/nsfw_image_detection') predictions = clf_pipeline(pil_image) formatted_preds = [{"label": pred['label'], "score": round(pred['score'], 4)} for pred in predictions] return formatted_preds except Exception as e: raise ValueError(f"Error processing uploaded file {e}") if __name__ == '__main__': uvicorn.run(app, host='0.0.0.0', port=8000) ``` 启动服务器之后即可向 `/predict/` 路径发送 POST 请求附带上传待分析的目标图片获取返回结果了。 ---
评论
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