Getting started with Kivy

原创 已于 2024-07-05 09:07:32 修改 · 743 阅读 · 17 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python

于 2024-06-26 19:42:43 首次发布

Getting started with Kivy – Kivy Blog

This post collates various resources for getting started with the Kivy graphical framework for Python.
这份发表通过 kivy图像框架 来校对不同的资源来开始

Installation  安装

Follow the official installation documentation.
跟随官方的安装文档

Introductory resources   入门资料  们

General resources

  • The official Kivy documentation. Linked is the API reference, almost everything in Kivy is documented in there somewhere.
    官方kivy文档。 超链接是API文献，

Kivy examples

Kivy comes with many examples, with fairly complete coverage of most widgets and other core features. These are very valuable for working out how to use things.
kivy 伴随着许多案例，掺合着公平完整地覆盖多数的组件和其他核心的特征。这是重要的来如何使用这些部件。

On some platforms, the examples may be installable as a separate package from your operating system’s package manager.
在许多平台，从你包装管理中 的操作系统案例可以作为一个独立的包安装

See in particular:  看详细资料：

Support channels    支持通道:

  • The official Kivy Discord channels are the single most active support channel.
    官方kivy不一致的通道 是单一多数激活的支持通道.
  • The Kivy-users google group.  kivy使用者谷歌群组
  • The issues list on Github. This should only be used if reporting an apparent bug in Kivy itself, it isn’t a good place for generic support requests.
    在Github问题列表，这应该只是被使用 当 报告一个显而易见的bug在kivy自己中，它不是一个好的地方给基因支持请求。
  • Kivy users and developers may be active on Python Discord.
    kivy  使用者和开发者可以在Python 不和中被激活。
kivy html5,kivy-website/index.html at master · kivy/kivy-website · GitHub
weixin_36238982的博客
06-16 561
/p>"http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">Kivy: Cross-platform Python Framework for NUI DevelopmentHomeInstallGalleryHelpDocumentationDonateAboutBlogKivy - Open source Python librar...
python kivy游戏引擎_KivEnt是一个用于Kivy基于实体的游戏引擎
weixin_39762001的博客
12-10 348
KivEnt 3.0KivEnt is a framework for building performant, dynamic real-time scenes in Kivy for Python2 and Python3. At the moment it is 2d oriented. The only dependency for the kivent_core module is Ki...
Kivy tutorial 001: Say Hello
xinzhengLUCK的博客
06-24 942
中心主题： 开始一个App， 让Kivy跑起来介绍任何项目对象应该是一个"Hello World!"应用程序时 有必要并且重要的。因为Kivy时一个GUI框架，这意味着打开一个窗口， 在屏幕上展示文字。这导入了App类， 这类你将使用作为任何app应用的核心对象。你的这个类的实例将创建kivy窗口，并且作为你应用程序的顶级层次服务。下一步导入kivy最重要的介绍部分；组件。你的整的应用程序将同组件一起被建立 每个组件赶一个简单的(相对来说)小的任务。
KIVY Tutorials » Pong Game Tutorial¶
xinzhengLUCK的博客
06-14 1175
我们要做的时创造一个非常简单的KivyAPP， 这app创造了一个我们PongGame组件类的案例， 并且返回它作为应用程序UI的一个根类元素， 你应该想象到在这点作为一个分等级的组件树。如果你更换我们案例中的PongGame和组件，所有的组件案例应该有这 竖直的线 和两个标签组件，因为它们定义这些规则为了所有的组件案例。自从我们App类被叫作PongApp，我们可以简单地创造一个文件叫做 pong.kv 在相同的文件夹， 这文件夹将自动的被运行当应用程序运行时。你有一个正在运行的kivy 安装程序。
Python 3.8使用 Kivy入门教程
cnds123的专栏
07-13 7567
Python 3.8使用 Kivy入门教程 Kivy是开源Python库，Kivy的主要架构由Kivy组织开发。 Kivy 是一套用于跨平台快速应用开发的开源框架，只需编写一套代码，便可运行于各大桌面及移动平台上（包括 Linux， Windows，OS X， Android， iOS， 以及 Raspberry Pi） Kivy 采用 Python 和 Cython（Python的C语言扩展）编写。 通过 kivy 提供的打包工具，你可以将 kivy 程序打包，运行到不同的平台上，包括各大主流的桌面
Python 安卓开发：Kivy、BeeWare、Flet、Flutter
热门推荐
freeking101的博客
01-09 1万+
Python 虽然不是专门为 Android 开发设计的，但仍有一些框架和库可以用于创建 Android 应用程序。这些框架和库使得Python开发者能够利用他们现有的Python技能来构建移动应用。虽然使用这些框架和库可以在Android上开发应用，但需要注意的是，由于Android本身并不是为Python设计的，因此使用Python进行Android开发可能会遇到一些性能和兼容性的限制。
python3使用kivy生成安卓程序
Dechin的博客
04-07 2330
技术背景 虽然现在苹果占据了很大一部分的市场，但是从销量数据来看，安卓还是占据了人口的高地。这里我们介绍一个用python的kivy+buildozer来进行安卓APP开发的简单教程，从整个过程中来看，环境部署这一块所需的工作量是非常大的，可能这就是从0到1的困难？文末我们会总结出，哪一种方案是最容易的，希望能够对大家有所帮助。 kivy的安装 官方推荐的方式是使用虚拟环境来进行安装和部署，关于...
移动端 开源低代码工具 beeware 和 kivy
_
08-01 2029
移动端 开源低代码工具 beeware 和 kivy
kivy简单教程
chen3673的博客
11-20 365
http://www.tastones.com/stackoverflow/kivy/getting-started-with-kivy/different_ways_to_run_a_simple_app_and_to_interact_with_widgets/
Python学习笔记——Kivy的安装与测试
小橙子的博客
02-10 1361
一、安装 https://kivy.org/#home https://kivy.org/#support https://kivy.org/doc/stable/gettingstarted/intro.html https://kivy.org/#download https://kivy.org/doc/stable/installation/insta...
如何使用Python编写一个Android APP--kivy
05-17 590
【代码】如何使用Python编写一个Android APP--kivy。
将Human Detection with Face Recognition这段代码写入以下代码import cv2 # OpenCV库，用于图像处理 import numpy as np # 数值计算库 from collections import defaultdict # 提供带默认值的字典 import shutil # 文件操作库 import pyttsx3 # 本地语音合成库 from datetime import datetime # 日期时间处理 import logging # 日志处理库 import threading # 线程库 import queue # 队列库 import json # JSON处理库 from pathlib import Path # 路径处理库 from typing import List # 类型提示 import time # 时间处理库 import os # 操作系统相关操作 import sys # 系统相关操作 from flask import Flask, render_template # Flask框架及模板渲染 import geocoder # 地理位置获取模块 from .weather.weather_service import WeatherService # 导入天气服务模块 from .weather.config import * # 如有需要可导入配置 from .weather.api_client import * # 如有需要可导入API客户端 from .weather.exception import * # 如有需要可导入异常定义 from .utils import read_text_baidu, user_speech_recognition, record_audio_until_silence, audio_to_text, text_to_speech_chinese, load_known_faces_from_folder # 导入通用工具函数 from .voice_feature import VoiceAssistant # 导入语音助手模块 from .face_recognition import FaceRecognition # 导入人脸识别系统 # 初始化Flask应用 app = Flask(__name__) app.config['TEMPLATES_AUTO_RELOAD'] = True # 设置模板自动重载 # 全局运行标志，控制主循环0 running = True # 控制主循环是否继续运行 face_detected = False # 标记是否检测到人脸 wake_words = ["小", "小朋友", "朋友"] # 唤醒词列表 WAKE_WORD_THRESHOLD = 0.7 # 唤醒词识别阈值 assistant = None # 全局语音助手对象 face_detection_running = False # 标记人脸检测线程是否运行中 face_detection_success = False # 标记人脸检测是否成功 # 定义Flask路由，主页 @app.route('/') def index(): """渲染主界面页面""" return render_template('index.html') # 定义Flask路由，测试接口 @app.route('/test') def test(): """测试接口，验证Flask服务是否正常""" return "Flask server is working!" preloaded_face_data = None # 全局变量，存储预加载的人脸数据 def preload_face_data(): """预加载人脸数据到内存，提升识别速度""" face_system = FaceRecognition() # 创建人脸识别系统对象 image_paths_by_person = load_known_faces_from_folder("known_faces") # 加载已知人脸图片路径 for person_name, image_paths in image_paths_by_person.items(): # 遍历每个人 face_system.add_new_person(person_name, image_paths) # 添加人脸特征 return face_system # 返回人脸识别系统对象 def detect_face(timeout=60) -> bool: """使用预加载的人脸数据检测人脸，超时返回False""" global preloaded_face_data if preloaded_face_data is None: # 检查是否已预加载 print("Error: Face data not preloaded.") return False start_time = time.time() # 记录检测开始时间 while time.time() - start_time < timeout and running: # 在超时时间内循环检测 try: recognized = preloaded_face_data.start_recognition() # 调用识别方法 if recognized: # 如果识别到人脸 print("Face detected") return True else: print("No face detected (during activation)") time.sleep(0.5) # 未识别到，等待0.5秒再试 except Exception as e: print(f"Error during recognition: {e}") # 捕获异常并打印 time.sleep(0.5) return False # 超时未识别到人脸 def get_user_location(): """通过geocoder获取用户地理位置""" try: return geocoder.ip("me") # 获取本机IP对应的地理位置 except Exception as e: print(f"Error getting location: {e}") return None def assistant_mode(): """语音助手主循环，处理用户语音指令""" global running, face_detected, assistant if assistant is None: # 检查语音助手是否初始化 print("Error: Assistant not initialized.") return location = get_user_location() # 获取用户地理位置 weather = WeatherService() # 创建天气服务对象 longitude = location.lng if location else None # 获取经度 latitude = location.lat if location else None # 获取纬度 response = weather.get_weather_info(longitude, latitude) if longitude and latitude else {} # 获取天气信息 listening_duration = 60 # 监听超时时间（秒） last_interaction_time = time.time() # 上次交互时间 read_text_baidu("你好！有什么我可以帮您？") # 语音播报欢迎语 while running and face_detected: # 只要系统运行且检测到人脸 if time.time() - last_interaction_time > listening_duration: # 超时未交互 read_text_baidu("等待唤醒...") face_detected = False break text = user_speech_recognition() # 获取用户语音输入 if text: # 如果识别到内容 print(f"User said: {text}") last_interaction_time = time.time() # 重置交互时间 if '天气' in text and response: # 天气查询 print("Weather query detected") print("Response: " + response.get('weather_condition', '')) read_text_baidu(f"今天的天气状况如下, 位置:{location.city if location else ''}") read_text_baidu(f"天气：{response.get('weather_condition', '')}") read_text_baidu(f"温度：{response.get('temperature', '')}") read_text_baidu(f"体感温度：{response.get('feels_like', '')}") read_text_baidu(f"湿度：{response.get('humidity', '')}") read_text_baidu(f"风向：{response.get('wind_direction', '')}") read_text_baidu(f"风速：{response.get('wind_speed', '')}") read_text_baidu(f"气压：{response.get('pressure', '')}") read_text_baidu(f"能见度：{response.get('visibility', '')}") read_text_baidu(f"云量：{response.get('cloud_coverage', '')}") continue elif '几点' in text: # 时间查询 print("Time query detected") read_text_baidu(f"现在是 {time.strftime('%H:%M')}") continue elif '空调' in text: # 空调控制 print("AC query detected") read_text_baidu("好的，正在处理空调指令。") continue elif '拜拜' in text or '再见' in text: # 结束对话 read_text_baidu("拜拜，下次再见！") face_detected = False continue else: # 其他内容交给大模型处理 print("Deepseek request") print(f"Heard: {text}, processing with DeepSeek...") response = assistant.chat(text) # 调用大模型 print(f"DeepSeek response: {response}") read_text_baidu(response) continue else: print("Listening for command...") # 未识别到内容，继续监听 time.sleep(1) if face_detected: # 如果还在检测状态，提示等待唤醒 read_text_baidu("等待唤醒...") face_detected = False def run_face_detection(): """运行人脸检测线程，检测成功则标记，否则语音提示失败""" global face_detection_running, face_detection_success face_detection_running = True # 标记检测线程已启动 if detect_face(timeout=60): # 检测人脸 face_detection_success = True # 检测成功 else: text_to_speech_chinese("我无法识别您的面部。如果需要我，请随时叫我。") # 检测失败语音提示 face_detection_running = False # 检测线程结束 def wake_word_detection_loop(): """唤醒词检测主循环，检测到唤醒词后启动人脸检测和助手""" global running, face_detected, assistant global face_detection_running, face_detection_success if assistant is None: # 检查语音助手是否初始化 print("Error: Assistant not initialized.") return while running: # 主循环 if face_detected: # 如果已检测到人脸，等待 time.sleep(2) continue if face_detection_success: # 如果人脸检测成功，启动助手线程 face_detected = True face_detection_success = False # 重置标志 assistant_thread = threading.Thread(target=assistant_mode) assistant_thread.start() continue if not face_detection_running: # 如果没有人脸检测线程在运行 print("Listening for wake word...") # 等待唤醒词 script = audio_to_text() # 语音转文本 if script: for wake_word in wake_words: # 检查是否包含唤醒词 if wake_word in script: text_to_speech_chinese("唤醒成功，请靠近并扫描您的面部以继续互动。这是为了您的安全。") threading.Thread(target=run_face_detection).start() # 启动人脸检测线程 break else: print("Wake word not detected.") # 未检测到唤醒词 else: print("No speech detected.") # 未检测到语音 time.sleep(1) # 防止CPU占用过高 def launch_gui(): """启动图形界面，优先PyQt5，失败则尝试Kivy，再失败则控制台模式""" try: from PyQt5.QtWebEngineWidgets import QWebEngineView from PyQt5.QtWidgets import QApplication from PyQt5.QtCore import QUrl import sys app = QApplication(sys.argv) web = QWebEngineView() web.load(QUrl("http://localhost:8080")) web.show() sys.exit(app.exec_()) except ImportError: try: from kivy.app import App from kivy.uix.label import Label class SimpleApp(App): def build(self): return Label(text='Display Error, your Smart Mirror is Running\nhttp://localhost:8080') SimpleApp().run() except ImportError: print("GUI frameworks not available - running in console mode") print("Access the mirror at http://localhost:8080") import time while True: time.sleep(1) def main() -> None: """主入口，初始化各模块并启动主线程""" global running, assistant, preloaded_face_data print("Smart Mirror started.") assistant = VoiceAssistant( baidu_app_id=os.getenv("BAIDU_APP_ID"), baidu_api_key=os.getenv("BAIDU_API_KEY"), baidu_secret_key=os.getenv("BAIDU_SECRET_KEY"), deepseek_api_key=os.getenv("DEEPSEEK_API_KEY"), ) preloaded_face_data = preload_face_data() gui_thread = threading.Thread(target=launch_gui) # 启动GUI线程 voice_thread = threading.Thread(target=wake_word_detection_loop, daemon=True) voice_thread.start() gui_thread.start() try: while True: # 主线程保持运行 time.sleep(1) except KeyboardInterrupt: print("Exiting...") running = False # 终止主循环 pir_thread.join() voice_thread.join() GPIO.cleanup() # 清理GPIO设置 if __name__ == "__main__": main() # 运行主入口中实现语音识别到关键词和人体靠近都可以实现开启人脸识别功能，整体逻辑和框架不要动，尽量以加入的方式少量修改来完成功能的实现和时间效率的提高
07-10
我们要求在现有代码框架中加入人体检测功能，使得人体靠近也可以触发人脸识别（开启助手功能）。同时，语音识别到关键词（如“小”、“小朋友”等）也可以触发人脸识别。整体逻辑和框架尽量保持不变，通过添加模块和...
推荐 | JoyAgent-JDGenie：开箱即用的端到端多智能体产品
lpfasd123的博客
12-05 99
如果你在寻找一款真正可落地的多智能体产品，用来“搜索-分析-生成报告”、“数据问答与诊断”、“代码解释与图表生成”，同时希望易部署、易扩展、易二次开发——JoyAgent-JDGenie 是非常值得试用与推荐的选择。只需填好少量配置，即可获得端到端的流式体验与交付能力。
50、【Ubuntu】【Gitlab】拉出内网 Web 服务：http.server 单/多线程分析（二）
HIT_Weston的博客
12-04 1174
本文分析了Python的http.server模块在单线程和多线程模式下的性能表现。通过测试发现，单线程模式下（Python<3.7）并发请求会被阻塞，后发请求需要等待前一个请求完成；而多线程模式下（Python≥3.7）可以同时处理多个请求。作者通过slow_server.py脚本模拟耗时操作，使用time curl命令测试响应时间，验证了线程模型的差异。文章还指出Python 3.7是一个重要分水岭，官方将默认命令行服务器升级为多线程以提升用户体验。技术细节参考了CPython源码，并提供了Git
大模型应用：大模型 MapReduce 全解析：核心概念、中文语料示例实现.12
minhuan的专栏
12-03 1111
本文介绍了MapReduce编程模型及其在大模型训练中的应用。MapReduce通过"分治-并行-聚合"思想处理大规模数据，传统Hadoop MapReduce侧重结构化数据计算，而大模型MapReduce则针对自然语言处理任务。文章详细对比了两者在架构、处理对象和核心算力等方面的差异，并提供了中文词频统计的Python实现示例，包括单机版和分布式版本。分布式实现利用多进程模拟集群计算，展示了数据分片、Map、Shuffle和Reduce的完整流程。
零基础学JAVA--Day41(IO文件流+IO流原理+InputStream+OutputStream)
最新发布
Dxxyyyy的博客
12-05 552
文件在程序中是以流的形式来操作的流：数据在数据源（文件）和程序（内存）之间经历的路径输入流：数据从数据源（文件）到程序（内存）的路径输出流：数据从程序（内存）到数据源（文件）的路径。
【Android逆向工程】第19章：协议分析与接口还原
w987333120的博客
12-03 388
本文介绍了网络协议分析的关键技术与工具。主要内容包括HTTP/HTTPS协议分析流程、常用抓包工具配置（Charles/Burp Suite）、协议格式解析方法以及签名算法还原技术。通过示例展示了完整的请求/响应分析过程，涵盖请求行、请求头、请求体的解析方法，特别关注签名相关字段的识别。文章还提供了Python代码示例演示如何自动分析HTTP请求结构，帮助逆向工程师理解业务逻辑、还原接口签名算法并实现自动化脚本。
【Android逆向工程】第8章：Frida 高级应用：函数追踪与 RPC 调用
w987333120的博客
12-01 390
本文介绍了Frida框架的核心功能与应用技巧，包括函数调用栈追踪、RPC机制、批量Hook、内存操作和脚本模块化等关键技术。重点讲解了Thread.backtrace()和DebugSymbol.fromAddress()的用法，提供Java和Native函数的调用栈追踪示例，并展示了调用栈过滤与分析方法。最后通过实战案例演示登录流程追踪和RPC调用，同时给出常见问题解决方案。这些技术可有效提升逆向分析效率，适用于移动应用安全测试场景。
使用 DeepSeek 提升工作效率
Deng872347348的博客
12-03 660
摘要：本文系统介绍了如何利用DeepSeek AI工具提升工作效率。文章首先分析职场痛点，指出DeepSeek在技术文档、代码开发、数据处理等专业场景的优势。随后详细解析核心功能模块，包括文本生成、代码支持、数据分析和知识管理，并明确其适用边界。重点提供了可直接复用的指令模板，涵盖技术文档撰写、脚本开发、数据可视化等典型场景，如自动生成API文档、Python数据分析脚本等。最后给出集成办公软件的最佳实践，并针对不同行业提供适配方案，强调AI工具"增强而非替代"的定位，帮助用户将重复性工
评论
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

打赏作者

xinzheng新政

你的鼓励将是我创作的最大动力

¥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