ios学习(五):数据持久化之属性列表(.plist)

本文介绍如何利用.plist文件来保存和读取序列化的数据,包括创建.plist文件、指定保存路径、写入与读取数据的具体实现。同时讨论了 NSSearchPathForDirectoriesInDomains 方法的应用,以及应用程序中不同类型文件夹的作用。

当我们想将序列化的数据持久保存在本地时,我们就可以用到属性列表(当然还有其他方式)。将数据写在一个.plist的文件里并保存至本地。.plist也是一个xml文本,将数据以序列的方式保存起来。它的局限性就是只支持序列化的对象:如NSArray NSMutableArray NSDictionary NSMutableDictionary NSData NSMutableData等等。


整体步骤是这样的:1、创建.plist文件   2、创建保存路径   3、写入数据    4、读取数据
//保存数据
- (void)saveData
{
    //定义.plist文件保存的路径
    NSArray *paths = NSSearchPathForDirectoriesInDomains(NSDocumentDirectory, NSUserDomainMask, YES);
    
    NSString *documentPath = [paths lastObject];
    
    //.plist文件名及完整保存路径
    NSString *savePath = [documentPath stringByAppendingPathComponent:@"carInfo.plist"];
    
    //NSLog(@"%@",savePath);
    
    //将数据写入.plist文件中
    [_carInfoArr writeToFile:savePath atomically:YES];   //_carInfoArr是一个数组对象

}


//读取数据
- (NSMutableArray *)loadData
{
    NSArray *paths = NSSearchPathForDirectoriesInDomains(NSDocumentDirectory, NSUserDomainMask, YES);
    
    NSString *documentPath = [paths lastObject];
    
    NSString *savePath = [documentPath stringByAppendingPathComponent:@"carInfo.plist"];
    
    //通过文件路径读取文件数据
    _carInfoArr = [NSMutableArray arrayWithContentsOfFile:savePath];
    
    return _carInfoArr;
}

下面说说 NSSearchPathForDirectoriesInDomains()方法

首先  它会返回一个NSString类行的字符串路径,一个存放我们需要储存数据文件的绝对路径

三个参数:第一个参数是我们要将数据保存在哪个文件夹中,不同文件夹有不通作用。第二个参数是指定存放在用户主目录上还是机器主目录上等其他主目录。 第三个参数是是否展开成完整路径。

我们的应用的主目录下一般有三个文件夹:Documents、Library、tmp。

1.Documents:

只有用户生成的文件、其他数据及其他程序不能重新创建的文件,应该保存在<Application_Home>/Documents 目录下面,并将通过iCloud自动备份。

2.Library:

可以重新下载或者重新生成的数据应该保存在 <Application_Home>/Library/Caches 目录下面。举个例子,比如杂志、新闻、地图应用使用的数据库缓存文件和可下载内容应该保存到这个文件夹。

3.tmp:

只是临时使用的数据应该保存到 <Application_Home>/tmp 文件夹。尽管 iCloud 不会备份这些文件,但在应用在使用完这些数据之后要注意随时删除,避免占用用户设备的空间


内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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