DrySister看妹子应用(第一版)——5.代码回顾,调整与日志类编写

DrySister看妹子应用(第一版)——5.代码回顾,调整与日志类编写

标签: DrySister


1.一些BB


    说来惭愧,DrySister的上一篇距今已经有一年多了,期间有不少小伙伴
都曾私信过我说写得很好,稳什么时候更,我基本都回复说太监了…
具体原因各种各样吧,最近一段时间比较闲,就想把第一版的完结了吧。
之前刚开始写的时候是AS 2.1.2,现在都AS 3.0.1了,本节的内容
依次是:

  • Step 1:温习一波之前几节涉及到的东西
  • Step 2:代码在AS 3.0.1上跑要做一些调整
  • Step 3:编写一个日志类

下节我们来说说签名,混淆,以及发布到应用市场~
废话不多说,开始本节内容!


2.代码回顾


  • 第一节:项目搭建与简单实现
    • 1.Git相关的操作
    • 2.简单的图片加载类(获取网络流->转换成图片->Handler更新UI)
  • 第二节:解析后台数据
    • 1.使用Android自带抠脚Json解析器解析后台返回的Json数据(Json字符串 -> List<Bean>)
    • 2.使用AsyncTask来做异步网络请求
  • 第三节:图片加载优化(写个图片缓存小框架)
    • 1.图片缓存的基本套路
      https://i-blog.csdnimg.cn/blog_migrate/77bbaf29951652c47d656ca623e95eff.png
    • 2.使用采样压缩法压缩Bitmap,避免OOM
    • 3.线程池管理多个图片加载线程
    • 4.Handler更新UI
    • 5.String字符串(这里是URL)转MD5
    • 6.内存缓存类LruCache的使用
    • 7.磁盘缓存类DiskLruCache的使用
    • 8.整个图片异步加载缓存的逻辑设计
  • 第四节:添加数据缓存(加入SQLite)
    • 1.网络状态的判断
    • 2.自定义SQLiteOpenHelper创建数据库
    • 3.数据库相关操作:增删改查,事务,分页等

以上就是前面四节的内容,对于Android基础入门中重要的
知识点都进行了运用,如果都掌握了的话,算是勉强Android入门了,
后面的路还长着呢!


3.代码调整


AS切换到3.0以后,下述文件的代码需要进行改动,老规矩,切换分支命令走一波:
git checkout -b fix_code_as3.0.1,然后开始代码修改:

项目层级的build.gradle

APP层级的build.gradle

gradle-wrapper.properties

还有个地方要小改:SisterApi.java,把福利改成:%e7%a6%8f%e5%88%a9
这涉及到了中文转码问题,而HttpUrlConnection无法打开含有中文的链接,需要
对中文部分调用URLEncoder.encode(中文部分,”utf-8”);进行转码,记得只是
中文部分,不是整个url!!!转码还需要捕获异常,这里因为只有一个地方要
转码,我就直接用网页版的转码工具来转码了:http://tool.chinaz.com/tools/urlencode.aspx
转换后的结果:

另外还有一些小改,buildToolsVersion 26以上findViewById是不用强转的
点进去方法看就知道了,用了泛型,所以把findViewById都去掉:

最后觉得运行再我的魅蓝E2上效果有点偏差,小调了一下页面布局,让图片宽度满屏
然后高度自适应,这里用到的属性 android:adjustViewBounds = “true”,就是
宽高按比例缩放;还有把上一步下一步的文字放到strings.xml文件中,小调边距:

最后再来看我们的项目运行结果:(啧啧,好看的妹子就是养眼):

然后把这个分支合并到develop分支上,这里我们不用之前merge那种合并套路
而是用rebase来合并,具体过程如下:

git add .
git commit -m "fix code in as3.0"
git checkout develop    # 切换到develop分支
git rebase fix_code_as3.0.1 # 合并分支
git push origin develop # 推送develop到远程分支
git branch -d fix_code_as3.0.1  # 删除合并后的本地分支

关于Git还不懂的可以去另一篇文章学习,这里就不多解释了:小猪的Git使用总结


4.编写日志工具类与崩溃日志采集类


Log打印日志相信每一位开发者都不会陌生吧,平时调试必不可少,
当应用打包给测试测试时。测试反馈应用crash的时候,我们第一件
想到的事就是让对方提供日志。说到这个打Log,很多童鞋喜欢随手
一个Log.e(xxx,xxx),什么日志都是Error级别,原因基本是:
红色比较醒目,哈哈!然后直接把变量的值打印处理啊,或在某个
方法里加上,验证方法是否执行了等,正式发布的收记得删还好,
不记得删的话简直是作死。反正之前给上家公司的大佬喷了一顿,
至今记忆犹新!Log的管理非常重要,我们要写的两个工具类如下:

  • 1.debug的时候日志正常打印,release的时候不打印
  • 2.奔溃日志采集,自己测试或者测试测试倒没什么,崩溃了直接把
    手机接你电脑上看看logcat就一清二楚了,但是如果应用装到了用户
    手机里,应用崩溃停止运行了,用户可不会把日志发给你,多次崩溃
    还可能导致用户卸载你的APP,所以我们需要在APP崩溃的时候把
    日志保存起来,当用户连接wifi或再次打开应用时,把这个日志上传
    到我们的服务器,我们这里只是写来玩玩的,所以只做本地崩溃日志采集
    一般都是通过集成第三方的统计工具来进行日志采集的,比如友盟,Bugly等。

好的,需求就上面的两点,接着准备开始编写代码,不过在写代码之前
科普关于Log的两点,可能大部分的童鞋都已经知道了,知道的可以直接跳过:

1) 快速打印Log

打开设置,依次点击:Live Templates -> AndroidLog把日志打印的都勾上
你还可以自己在下面的Template text里编写模板~

接着随便代码里键入上面的log…一个enter,Log语句就出来了,
TAG直接就是你当前的方法名~


2.关于Log的使用科普

1) 快速打印Log打印命令

打开Settings,依次点击:Live Templates -> AndroidLog把日志打印的都勾上
你也可以自己在下面的Template text里编写模板~

接着随便代码里键入上面的log…一个enter,Log语句就出来了~

如果你在方法外,键入logt,可以直接生成一个对应类名的TAG:

2) Log等级的科普

以前组长开小会的时候曾说过我们调试时直接Log.e的坏习惯,
不同的Log级别应该打印不同的信息:

  • Log.vVerbose(冗长)
    开发调试过程中一些详细信息,不该编译进产品,只在开发阶段使用
  • Log.d:Debug(调试)
    用于调试的信息,编译进产品,运行时关闭。

下面这三种等级进制作为普通调试信息使用,这些等级的Log是应用
出现问题时候的重要分析线索,如果随意使用,会给开发人员分析Bug
带来不必要的困扰。

  • Log.i:Info(信息)
    例如一些运行时的状态信息,这些状态信息在出现问题的时候能提供帮助。
  • Log.w:Warning(警告)
    警告应用出现了异常,但不一定会马上出现错误,需要留意
  • Log.e:Error(错误)
    应用出现了错误,最需要关注解决的!

3) 编写日志工具类

老规矩,先开辟分支:bug_log_catch
这个就非常简单了,调试时输出,正式版时不输出,利用BuildConfig.Debug
进行判断即可,代码如下:

4) 编写崩溃日志采集类

崩溃日志采集类依赖于ApplicationThread.UncaughtExceptionHandler实现~
当因为程序因为未捕获的异常即将终止退出时,会使用Thread.UncaughtExceptionHandler
查询UncaughtExceptionHandler的线程,调用uncaughtException方法,将线程
与异常作为参数传递。如果线程没有明确设置UncaughtExceptionHandler,则将
ThreadGroup作为其UncaughtExceptionHandler,然后丢给默认的未捕获异常
处理程序处理。所以我们只需要实现UncaughtExceptionHandler接口,重写
uncaughtException方法,来实现我们的自定义处理。我们先来捋一捋逻辑清单:

  • 1.建一个文件夹专门放日志文件:需要判断是存储卡是否可用,然后判断文件
    夹是否存在,不存在则新建文件夹;
  • 2.需要一个把字符串写入文件的方法
  • 3.崩溃日志的内容组成:当前的时间,应用版本,设备信息,奔溃日志
  • 4.获取系统默认的UncaughtException处理器,然后判断是否为null,不为空
    设置为自定义的UncaughtException,这里我们用单例
  • 5.最后是应用的重启,设置1s后重新启动应用;

大概逻辑就是上面这些,我们一步步讲,首先是1,2步:

接着是奔溃日志,由几部分组成:先是当前时间

接着是应用版本以及设备信息,这里用一个HashMap来存:

在接着是异常信息,这个就简单啦,直接传异常对象,调printStackTrace即可
最后合到一起就是:

写入文件的也解决了,然后是自定义UncaughtExceptionHandler单例以及默认
UncaughtExceptionHandler处理器的获取,设置为自定义UncaughtExceptionHandler,
还需重写UncaughtException方法

接着我们把自己处理异常的一整套都写到一个方法里,当异常发生了,弹出
一个Toast提示用户应用要重启,还有调用写入日志的方法:

然后重写的UncaughtException方法做下判断,是否通过自定义处理了异常,
以及默认的UncaughtExceptionHandler的是否为空,即:异常处理了没
没处理,丢给自定义的UncaughtExceptionHandler,如果处理了,重启应用。

最后加上重启应用的相关代码,大功告成:

到此我们的崩溃日志采集工具类就编写完毕了,要启用他的
话需要在DrySisterApp.java中的onCreate()方法中加上:

弄完想测试下是否生效的话很简单,手动引发崩溃就好了
比如我在下一步的按钮里做除数为0的操作:

应用运行后点击下一步,直接崩溃,打开内置存储根目录看下
有没有Crash的文件夹,打开看到我们日志文件的话,说明成功:

到此完成,把分支合并到develop上,然后推送到远程仓库上:

git add .
git commit -m "add LogUtils and CrashHandler"
git checkout develop    # 切换到develop分支
git rebase bug_log_catch # 合并分支
git push origin develop # 推送develop到远程分支
git branch -d bug_log_catch  # 删除合并后的本地分支

5.小结

本节先回顾了下之前写的代码,然后因为切换到AS 3.0上的原因
小调整了一下代码,最后还编写了日志工具类以及崩溃日志采集
工具类,麻雀虽小五脏俱全,尽管就是一个小小的图片显示程序,
但是也算囊括了大部分的入门知识,下一节就是第一版的完结篇
了,签名打包混淆,以及发布到酷安市场了!敬请期待~

代码下载

https://github.com/coder-pig/DrySister/tree/develop
欢迎follow,star,觉得有什么想加进来的可以提下issues!


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
这里提供一个简单的GAN训练生成二次元妹子代码,需要使用Python和Tensorflow库: ```python import tensorflow as tf import numpy as np import matplotlib.pyplot as plt from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets("MNIST_data/") # 定义生成器网络 def generator(z, reuse=None): with tf.variable_scope('gen', reuse=reuse): hidden1 = tf.layers.dense(inputs=z, units=128) alpha = 0.01 hidden1 = tf.maximum(alpha * hidden1, hidden1) hidden2 = tf.layers.dense(inputs=hidden1, units=128) hidden2 = tf.maximum(alpha * hidden2, hidden2) output = tf.layers.dense(inputs=hidden2, units=784, activation=tf.nn.tanh) return output # 定义判别器网络 def discriminator(X, reuse=None): with tf.variable_scope('dis', reuse=reuse): hidden1 = tf.layers.dense(inputs=X, units=128) alpha = 0.01 hidden1 = tf.maximum(alpha * hidden1, hidden1) hidden2 = tf.layers.dense(inputs=hidden1, units=128) hidden2 = tf.maximum(alpha * hidden2, hidden2) logits = tf.layers.dense(hidden2, units=1) output = tf.sigmoid(logits) return output, logits # 定义输入占位符 real_images = tf.placeholder(tf.float32, shape=[None, 784]) z = tf.placeholder(tf.float32, shape=[None, 100]) # 定义损失函数 G = generator(z) D_output_real, D_logits_real = discriminator(real_images) D_output_fake, D_logits_fake = discriminator(G, reuse=True) def loss_func(logits_in, labels_in): return tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(logits=logits_in, labels=labels_in)) D_real_loss = loss_func(D_logits_real, tf.ones_like(D_logits_real) * 0.9) # 平滑标签 D_fake_loss = loss_func(D_logits_fake, tf.zeros_like(D_logits_real)) D_loss = D_real_loss + D_fake_loss G_loss = loss_func(D_logits_fake, tf.ones_like(D_logits_fake)) # 定义优化器 lr = 0.001 tvars = tf.trainable_variables() d_vars = [var for var in tvars if 'dis' in var.name] g_vars = [var for var in tvars if 'gen' in var.name] D_trainer = tf.train.AdamOptimizer(lr).minimize(D_loss, var_list=d_vars) G_trainer = tf.train.AdamOptimizer(lr).minimize(G_loss, var_list=g_vars) # 训练模型 batch_size = 100 epochs = 500 init = tf.global_variables_initializer() samples = [] with tf.Session() as sess: sess.run(init) for epoch in range(epochs): num_batches = mnist.train.num_examples // batch_size for i in range(num_batches): batch = mnist.train.next_batch(batch_size) batch_images = batch[0].reshape((batch_size, 784)) batch_images = batch_images * 2 - 1 # 将像素值调整到[-1, 1]区间 batch_z = np.random.uniform(-1, 1, size=(batch_size, 100)) _ = sess.run(D_trainer, feed_dict={real_images: batch_images, z: batch_z}) _ = sess.run(G_trainer, feed_dict={z: batch_z}) print("Epoch: {}/{}".format(epoch+1, epochs)) # 每10个epoch保存一次生成的样本 sample_z = np.random.uniform(-1, 1, size=(1, 100)) gen_sample = sess.run(generator(z, reuse=True), feed_dict={z: sample_z}) samples.append(gen_sample) # 显示生成的图片 plt.imshow(samples[0].reshape(28,28), cmap='Greys') plt.show() ``` 该代码使用了MNIST数据集作为训练数据,生成器和判别器的结构均为两层全连接层,使用了Adam优化器。生成器的输入是随机噪声,输出是28x28像素的二次元妹子图片。
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