android事件拦截分析(一)

  • 在写这篇文章的时候,楼主和大家一样困惑,一直都事件拦截比较混乱,通过学习,对事件拦截作下简单介绍,和大家一起分享本人对Android中控件事件拦截的理解。
  • 在讲此篇文章,我先说下一个例子,方便大家对事件拦截理解。事件拦截可以理解为这样一个场景:你所在的公司,肯定会有一个总经理,级别最高,总经理下面有部门经理,级别次之,最下面的当然是你啦,没有级别。董事会给总经理安排一个任务,总经理把任务分配部门经理,部门经理把任务有分配给你,你把活干完,向部门经理汇报,部门经理觉得你做的不错,签上自己的名字,交给总经理,总经理看了下,觉得可以,签上自己的名字,向董事会汇报。理解了此场景,对你学习事件拦截事半功倍。
  • 这里我们定义是三个控件,一个MyViewGroupA(总经理),一个MyViewGroupB(部门经理),一个MyView(你)。这里写图片描述
  • 对于ViewGroup来说,重写了如下三个方法。
@Override
    public boolean dispatchTouchEvent(MotionEvent ev) {
        Log.d("mydemo","MyViewGroupA:dispatchTouchEvent");
        return super.dispatchTouchEvent(ev);
    }

    @Override
    public boolean onInterceptTouchEvent(MotionEvent ev) {
        Log.d("mydemo","MyViewGroupA:onInterceptTouchEvent");
        return super.onInterceptTouchEvent(ev);
    }

    @Override
    public boolean onTouchEvent(MotionEvent event) {
        Log.d("mydemo","MyViewGroupA:onTouchEvent");
        return super.onTouchEvent(event);
    }
  • 对View来说,重写了如下的两个方法。
 @Override
    public boolean dispatchTouchEvent(MotionEvent event) {
        Log.d("mydemo","MyView:dispatchTouchEvent");
        return super.dispatchTouchEvent(event);
    }

    @Override
    public boolean onTouchEvent(MotionEvent event) {
        Log.d("mydemo","MyView:onTouchEvent");
        return super.onTouchEvent(event);
    }
  • 从上面代码不难看到,ViewGroup比View多了一个方法,onInterceptTouchEvent方法,该方法就是时间拦截的核心。下面我们点击MyView这个控件,Log如下面所示:
MyViewGroupA:dispatchTouchEvent 
MyViewGroupA:onInterceptTouchEvent 
MyViewGroupB:dispatchTouchEvent 
MyViewGroupB:onInterceptTouchEvent 
MyView:dispatchTouchEvent 
MyView:onTouchEvent 
MyViewGroupB:onTouchEvent 
MyViewGroupA:onTouchEvent
  • 可以看出,正常情况下,时间传递顺序是:MyViewGroupA(总经理)->MyViewGroupB(部门经理)->Myview(你)。事件传递时候先执行dispatchTouchEvent()方法,再执行onInterceptTouchEvent()方法。
  • 事件传递返回值可以理解为:True,拦截,不继续;False,不拦截,继续流程。事件处理返回值可以理解为:True,处理了,不用审核了,False,向上级汇报。这里我们对MyViewGroupA(总经理)中的onInterceptTouchEvent()进行修改,方法返回true。看下log输出结果:
MyViewGroupA:dispatchTouchEvent MyViewGroupA:onInterceptTouchEvent 
MyViewGroupA:onTouchEvent
  • 假想下,总经理(MyViewGroupA)把所有的活干完了,没有后面的人的事了。同理,部门经理(MyViewGroupB)觉得你太辛苦,自己把活干了了。我们把MyViewGroupB中的onInterceptTouchEvent()方法返回true,把事件拦截下来。log输出结果如下,
MyViewGroupA:dispatchTouchEvent 
MyViewGroupA:onInterceptTouchEvent 
MyViewGroupB:dispatchTouchEvent 
MyViewGroupB:onInterceptTouchEvent 
MyViewGroupB:onTouchEvent 
MyViewGroupA:onTouchEvent
  • 有没有觉这部门经理大好人,你(Myview)不用干活了。那么上述两种你情况我们修改的onInterceptTouchEvent()方法返回值。那么onTouchEvent()方法呢,这里我们把MyView中的onTouchEvent()方法返回值进行修改,让其直接返回True。这次我们再看看log输出:
MyViewGroupA:dispatchTouchEvent 
MyViewGroupA:onInterceptTouchEvent 
MyViewGroupB:dispatchTouchEvent 
MyViewGroupB:onInterceptTouchEvent 
MyView:dispatchTouchEvent 
MyView:onTouchEvent 
  • 可以理解我你(Myview)被扣工资,情绪低落,活不干了,不向部门经理汇报,部门经理就不知道活干的怎么样了,接收不到你反馈的结果。
    另外,你(Myview)草草的把活干完了,交给你了部门经理,部门经理一看,要是交上去,还不被总经理骂死,自己偷偷返回true。log输出结果如下:
MyViewGroupA:dispatchTouchEvent 
MyViewGroupA:onInterceptTouchEvent 
MyViewGroupB:dispatchTouchEvent 
MyViewGroupB:onInterceptTouchEvent 
MyView:dispatchTouchEvent 
MyView:onTouchEvent 
MyViewGroupB:onTouchEvent 
  • 到这里把onInterceptTouchEvent
    拦截事件原理说了一遍,dispatchTouchEvent()为事件分发方法。这里不再介绍,等我弄清楚了再跟大家一起分享。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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