Android Studio 生成APK上传市场

上传Android程序到应用市场 第一步:打包APK这里以本人的notepad笔记本应用程序为例 Build->Generate Signed APK 出现如下界面 创建密匙库:由于是第一次发布程序 选择Create new… 出现以下界面 填写相应信息 Alias:密匙名 Validity(years):有效期(年) 填好了 点击ok 此时在对应Key store path下生成相应的.jks文件以便 阅读详情

项目写完了,现在需要把应用上传到市场,问题出现怎么把代码变成.apk
这里写图片描述

  signingConfigs {
            config {
                keyAlias 'maker'
                keyPassword '123456'
                storeFile file('/D:/makeapp.jks')
                storePassword 'a123456'
            }
        }

填写一些必要内容(签名参数)生成一个jks的文件。
注意:签名的密码和密匙的密码注意保管,不要忘了,签名文件别泄漏了。
然后在build.gradle的android{}节点里面,添加signingConfigs{}节点:

signingConfigs {
            config {
                keyAlias 'waps'
                keyPassword '123456'
                storeFile file('/D:/makeapp.jks')
                storePassword 'a123456'
            }
        }

即可打包

第十六课:Android打包发布 (1)在Android Studio 中选中app这么module,选择菜单栏“”Build——Generate signed APK“” (2)弹出窗口 (3)创建密钥库及密钥,创建后会自动选择刚创建的密钥库和密钥(已拥有密钥库跳过) 点击“Create new...”按钮创建密钥库 Key store path:密钥库文件的地址 Password/Confirm:密钥库的密码 Key: Alias... 阅读详情

相关推荐

Android Studio打包生成APK完整教程与实战指南

在移动应用开发的最终阶段,将项目打包为正式发布的APK文件是至关重要的一步。Android Studio基于Gradle构建系统,通过任务自动化执行Release模式打包流程。该流程涵盖源码编译、资源合并(mergeResources)、manifest合并、R类生成、Java/Kotlin → DEX转换、APK打包与签名等核心步骤。// 查看构建任务依赖关系执行会触发一系列子任务,确保输出经过优化且具备完整签名的APK。

weixin_33068055的博客 3198

Android studio打包apk

项目写完了,如何打包成apk上传到应用商城? 下面分享下打包流程: build 中选着 generate signed bundle/APK 选下面的APK就行 点next 如果之前打包过apk有密钥地址和密码,可以直接输入 如果是第一次,就创建一个,点create new 确认之后 点next 然后 最后finish,在目录下就可以找到打包的.apk文...

居贝比的博客 1万+

android studio做的一个购物APP

这个android studio做的一个购物APP,给新手一个参考,未来用android studio代替eclipse是的趋势,

uniapp如何创建一个安卓应用并打包发布apk

如何使用uniapp,去创建一个应用到打包,到真机调试,到构建成一个APK的流程

weixin_49707375的博客 7162

Android的.apk文件怎么上传到手机

教你怎么样从网上下载一个应用程序.apk打包文件下载安装到Android手机上。

Android代码-百度出品WebUploader文件上传组件

AndroidUploader AndroidUploader is a uploader tool for android client to send file by http ! the reference is webuploader by FEX(site:http://fex.baidu.com/webuploader/)

如何把android studio中的项目发布到手机上(超详细版)

如何把android studio中的项目发布到手机上(超详细版)

mlyhzt的博客 1万+

从开通VPS到搭建宝塔面板全教程

你在输入域名(此时我们可能没有类似aaa.com这样的域名,所以要输入VPS的IP地址)的时候,下面的根目录也会跟着变动,等输入完成后,你可以把根目录再改回成/www/wwwroot/dq。这时,在你的浏览器中,输入外网面板地址的URL,输入username和password,即可登陆宝塔面板。第一次登陆,需要绑定你的宝塔账号,你可以到宝塔的注册界面,用手机注册一个,然后绑定,首先看一下你的VPS操作系统是什么类型的(其实你在选择VPS的时候,就已经选定了,我选择的事Centos系统)。

kxltsuperr的专栏 3738

Android Studio 打包APK(详细版)

修改app下的build.gradle// 自定义打包名称添加位置如下图所示,在android{}闭包中添加后记得Sync一下,然后重新打一个包,这里我将打包的路径修改到了D盘,如下图所示点击Finish完后打包。包的确是生成了,名字也不再是app-release.apk。自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。

hnsgsdsagaaq的博客 9623

Computer Networks 和 Computer & Security投稿经验

论文投稿

qq_50604294的博客 9236

Altera Cyclone4 EP4CE15F17C8核心板硬件设计避坑指南(附AD09工程文件)

本文深入解析Altera Cyclone4 EP4CE15F17C8核心板硬件设计中的关键问题与解决方案,涵盖电源架构优化、信号完整性处理、热设计及生产调试要点。特别提供经过验证的AD09工程文件,帮助开发者规避常见设计陷阱,提升FPGA项目的成功率与可靠性。

weixin_29159441的博客 299

IDEA、Android studio插件【uploadPushFile】自定义上传服务器、文件上传、已经发布到Marketplace、Android studio打包上传

app打包后上传

qq_20490355的博客 659

Linux运维人,该醒醒了,2019年要变天了

外界都说运维只是处于被动低效率手工救火的状态,企业对其重视程度不高,提起运维很多人能联想到的字眼就有“苦逼”、“辛苦”、“加班”、“背锅”。在大数据、人工智能、容器技术的强力加持下,运维这个传统的技术工种已经从“机械劳动”这样的刻板印象中蜕变出来,成为了任何一家技术公司所必须依赖和大力投入的核心技术能力。 现在,运维人员的发展前景也开始让很多程序员眼羡,作为Linux运维人员的你:这一年,你的L...

qq_43083284的博客 1万+

android studio签名打包设置,android studio打包apk,生成签名不签名

前言刚换工作,改现有团队项目,之前是使用的android studio做的签名,因发现多渠道打包存在问题签名损坏问题,则需要生成自己指定的形式APK。总结注意:在打包发布到各个软件市场的童鞋,有一个问题需要注意,现在都需要对apk进行加固,加固后是会导致之前签名文件损坏的,这里建议需要上传软件市场的包,最好不要先签名,先加固后再签名;如果在导出时已经签名,则建议重新使用加固方法签名一次后再加固,完...

weixin_39786706的博客 880

【C++】开源:ncurses终端TUI文本界面库

ncurses配置使用(TUI)

DevFrank的博客 3173

2023华为OD机试真题B卷 Python 实现【最长的元音子串长度】

定义当一个字符串只有元音字母(a,e,i,o,u,A,E,I,O,U)组成,称为元音字符串,现给定一个字符串,请找出其中最长的元音字符串,并返回其长度,如果找不到请返回0, 字符串中任意一个连续字符组成的子序列称为该字符串的子串

MISAYAONE的博客 904

Android安全检测之加固的坑

目前从生成apk到上线的流程是这样的: 1.生成releaseapk–androidstudio生成的时候注意勾选v1和v2,注意如果是更新apk的话,versioncode和versionname都要改一下 2.apk加固–我用的是360加固或者乐加固(在腾讯的应用宝上线最好是乐加固),注意的是从这两个工具加固后的apk不能直接上传到应用市场,因为此时的apk没有v2签名,可以用这个工具查看: ...

kururunga的博客 1525

(王道计算机组成原理笔记)第一章计算机系统概述-第二节:计算机系统层次结构 1(计算机系统组成、计算机硬件)

文章目录一:冯诺依曼体系结构(1)存储程序计算机(2)层次结构二:计算机硬件概述(1)存储器A:存储元、存储单元、存储体、存储字和存储字长B:MAR 一:冯诺依曼体系结构 在冯诺依曼体系结构中,计算机的硬件主要有**存储器,运算器,控制器,输入和输出设备(也叫做I/O设备)**组成。 (1)存储程序计算机 冯诺依曼体系结构也叫做存储程序计算机,计算器和计算机的唯一区别就是计算器是不能编程的,只能做电路板中设定好的固定的运算。 这也就意味着计算器本质就是一个不能编程的计算机,其在硬件层面已经将逻辑写死,如果

快乐江湖的博客 1万+

从 BIOS 到 60 帧:PCSX2(PS2 模拟器)配置与排障手册

Vulkan 渲染、2x 内部分辨率下,《王国之心 II》的城堡大门在画面里缓缓亮起,右下角的 FPS 稳稳停在 60——这是 PCSX2 该有的样子:目前最主流的 PS2 模拟器,把老作品在现代显卡上重新满帧跑起来。这份指南不逐项罗列参数:先带你把游戏跑起来,再教你读瓶颈、修画面,最后才碰那些真正需要动手的重编译开关。 ## 先搞懂它在模拟什么 PS2 的硬件大致分四层,后面所有设置项都能对

gitblog_01059的博客 484

详解AUTOSAR:专栏总述

本专栏系统介绍AUTOSAR规范及车用控制器软件开发,内容覆盖基础架构、SWC/RTE、通信栈、诊断、存储、安全、看门狗、工具链、环境配置与项目实战,并持续更新各模块的集成机制与工程要点。

不脱发的程序猿 3931

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

Android Studio打包apk详细教程

为什么要打包: apk文件就是一个包,打包就是要生成apk文件,有了apk别人才能安装使用。打包分debug版和release包,通常所说的打包指生成release版的apk,release版的apk会比debug版的小,release版的还会进行混淆和用自己的keystore签名,以防止别人反编译后重新打包替换你的应用。 简单点说就是给你的apk发身份证,上户口,防止和你长的一样的人,假冒你。这里的apk身份证就是我们的“.jks”文件。所以这个jks文件很重要。 如果你同一代码,生成两个jks文件打包,

云博客_资源宝分享 4万+

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

android studio apk 打包压缩格式

Android Studio APK 打包压缩格式的全过程 在Android应用开发的过程中,打包APK文件是一项非常重要而且常见的任务。APK(Android Package Kit)是Android操作系统上应用程序的安装包,了解如何打包和压缩APK文件对开发者至关重要。本文将带领你走过这一过程,适合刚入行的小白开发者...

weixin_40366171的博客 585

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")

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

Android apk转aab,仅有apk的情况

Android 上传谷歌市场无源码情况,apk转aab

u011638685的专栏 2033

android如何在华为市场发布应用

android应用发布之华为应用市场 前言:之前在公司发布应用这种事情有专门负责运维的小伙伴来做,可是当需要我们开发人员自己来发布应用时,应该怎么做呢?不要慌,其实很简单,首先先写华为应用市场。 1.首先想在华为应用市场上发布应用必须要注册华为的账号 2.进入到开发者联盟界面以后,会看到这个 这个账号可以让部门领导申请 3.敲黑板重点来了,当我们注册成功以后,会看到一个资质认证的界面,

little_flf的博客 1万+

Android Studio 生成 keystore 签名文件及打包验证流程

Android Studio 生成 keystore 签名文件及打包验证流程

c8296038795的博客 9094
上一篇: Android Studio 使用Gradle多渠道打包
下一篇: Android Studio 打JAR包
Lisa322
博客等级 码龄15年 1粉丝 5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