新浪微薄图片下载

 
先建立一个被其它类调用的方法类:ShowImage()

按 Ctrl+C 复制代码

按 Ctrl+C 复制代码


然后建立一个ImageLoader:


package chj.weibo.imgutil;

import java.lang.Thread.State;
import java.util.concurrent.ArrayBlockingQueue;
import java.util.concurrent.BlockingQueue;

import chj.weibo.app.WeiboApplication;

import android.graphics.Bitmap;
import android.os.Bundle;
import android.os.Handler;
import android.os.Message;

public class LazyImgLoader {

public static final int SUCCESS_DOWM = 1;
public static final String IMG_URL="img_url";
public static final String IMG = "img";

private ImageManager imgManager = new ImageManager(WeiboApplication.context);

private BlockingQueue<String> urlQueue = new ArrayBlockingQueue<String>(20);

private DownloadImgThread thread = new DownloadImgThread();

private CallbackManager manager = new CallbackManager();

public Bitmap get(String url,ImageLoaderCallback callback){
try {
Bitmap bmp = null;
//首先从缓存获取
if(imgManager.contains(url)){
bmp = imgManager.getFromCache(url);
return bmp;
}
else{
manager.put(url, callback);
//开始从网络下载
startDownloadThread(url);
}
} catch (Exception e) {
e.printStackTrace();
}
return null;
}

private void startDownloadThread(String url) throws Exception{
//从网络下载
if(!urlQueue.contains(url)){
//放入下载队伍
urlQueue.put(url);
}
State s = thread.getState();
if(s == State.NEW){
thread.start();
}
//线程已经结束
else if(s == State.TERMINATED){
thread = new DownloadImgThread();
thread.start();
}
}

Handler handler = new Handler(){

@Override
public void handleMessage(Message msg) {
switch(msg.what){
case SUCCESS_DOWM:
Bundle b = msg.getData();
String url = b.getString(IMG_URL);
Bitmap bmp = b.getParcelable(IMG);
manager.callback(url,bmp);
}
}

};

private class DownloadImgThread extends Thread{

private boolean isRun = true;

@Override
public void run() {
try {
while(isRun){
String u = urlQueue.poll();
Bitmap bmp;
if(null == u){
//下载完毕
break;
}
if(imgManager.getFromFile(u) == null){
bmp = imgManager.downloadFromNet(u);
}
else{
bmp = imgManager.getFromFile(u);
}

Message msg = handler.obtainMessage(SUCCESS_DOWM);
Bundle b = msg.getData();
b.putString(IMG_URL, u);
b.putParcelable(IMG, bmp);
handler.sendMessage(msg);
}
} catch (Exception e) {
e.printStackTrace();
}finally{
isRun = false;
}
}

}

}





ImageLoader会调用一下从缓存读取图片或者从互联网下载图片的方法,因此需要一个ImageManager的类:


package chj.weibo.imgutil;

import java.io.BufferedInputStream;
import java.io.BufferedOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.lang.ref.SoftReference;
import java.net.HttpURLConnection;
import java.net.URL;
import java.util.HashMap;
import java.util.Map;

import chj.weibo.util.MD5Util;

import android.content.Context;
import android.graphics.Bitmap;
import android.graphics.BitmapFactory;

public class ImageManager {

private Context context;
private Map<String, SoftReference<Bitmap>> imgCache ;

public ImageManager(Context context) {
this.context = context;
imgCache = new HashMap<String, SoftReference<Bitmap>>(20);
}

public boolean contains(String url){
return imgCache.containsKey(url);
}

/**
* 从缓存获取图片
* @param url
* @return
*/
public Bitmap getFromCache(String url){
Bitmap bmp = null;
//先从缓存读取
bmp = this.getFromMap(url);
if(null == bmp){
//从文件读取
bmp = this.getFromFile(url);
imgCache.put(url, new SoftReference<Bitmap>(bmp));
}
return bmp;
}

/**
* 从文件读取图片
* @param url
* @return
*/
public Bitmap getFromFile(String url){
Bitmap bmp = null;
InputStream is = null;
String fileName = MD5Util.getMD5String(url);
try {
is = context.openFileInput(fileName);
if(null != is){
bmp = BitmapFactory.decodeStream(is);
return bmp;
}
} catch (Exception e) {
e.printStackTrace();
return null;
}finally{
try {
if(is != null){
is.close();
is = null;
}
} catch (IOException e) {
e.printStackTrace();
}
}
return null;
}

/**
* 从Map读取图片
* @param url
* @return
*/
public Bitmap getFromMap(String url){
Bitmap bmp = null;
SoftReference<Bitmap> ref = null;

synchronized (this) {
ref = imgCache.get(url);
}
if(null != ref){
bmp = ref.get();
}
return bmp;
}

/**
* 从网络下载图片并把他放入文件系统中
* @param url
* @return
*/
public Bitmap downloadFromNet(String url){
if(url == null || "".equals(url)){
return null;
}

try {
URL u = new URL(url);
HttpURLConnection conn = (HttpURLConnection)u.openConnection();
String fileName = writeToFile(url, conn.getInputStream());
return BitmapFactory.decodeFile(fileName);
} catch (Exception e) {
e.printStackTrace();
}
return null;
}

//将图片写入文件系统
private String writeToFile(String fileName,InputStream is){
BufferedOutputStream bos = null;
BufferedInputStream bis = null;
byte[] buff = new byte[1024];
int length = 0;
String fileNameMD5 = null;
try {
fileNameMD5 = MD5Util.getMD5String(fileName);
bis = new BufferedInputStream(is);
bos = new BufferedOutputStream(context.openFileOutput(fileNameMD5, Context.MODE_PRIVATE));
while((length = bis.read(buff)) != -1){
bos.write(buff, 0, length);
}
} catch (Exception e) {
return null;
}
finally{
try {
if(null != is){
is.close();
is = null;
}
if(null != bis){
bis.close();
bis = null;
}
if(null != bos){
bos.flush();
bos.close();
bos = null;
}
} catch (Exception e2) {}
}

return context.getFilesDir() + "/" + fileNameMD5;
}
}






然后需要一个接口做图片回调用:ImageLoaderCallback:


package chj.weibo.imgutil;

import android.graphics.Bitmap;


public interface ImageLoaderCallback {

public void refresh(String url,Bitmap bmp);

}






最后需要一个CallbackManager:


package chj.weibo.imgutil;

import java.util.ArrayList;
import java.util.List;
import java.util.concurrent.ConcurrentHashMap;

import android.graphics.Bitmap;


public class CallbackManager {

private ConcurrentHashMap<String, List<ImageLoaderCallback>> maps;

public CallbackManager() {
maps = new ConcurrentHashMap<String, List<ImageLoaderCallback>>();
}

public void put(String url,ImageLoaderCallback cb){
if(!maps.contains(url)){
maps.put(url, new ArrayList<ImageLoaderCallback>());
}
maps.get(url).add(cb);
}

public void callback(String url,Bitmap bmp){
List<ImageLoaderCallback> callback = maps.get(url);
if(null == callback){
return;
}
for (ImageLoaderCallback c : callback) {
c.refresh(url, bmp);
}
}
}





然后直接在需要使用的类中调用showImage即可.

由于Android的openfileoutput和input传入的字符串不可带有分隔符,因此另外需要一个类用于加密,这里采用MD5加密算法:



package chj.weibo.util;

import java.security.MessageDigest;
import java.security.NoSuchAlgorithmException;

public class MD5Util {

/**
* 16进制字符集
*/
private static final char HEX_DIGITS[] = {'0', '1', '2', '3', '4', '5', '6', '7', '8', '9', 'A', 'B', 'C', 'D', 'E', 'F'};

/**
* 指定算法为MD5的MessageDigest
*/
private static MessageDigest messageDigest = null;

/**
* 初始化messageDigest的加密算法为MD5
*/
static
{
try
{
messageDigest = MessageDigest.getInstance("MD5");
}
catch(NoSuchAlgorithmException e)
{
e.printStackTrace();
}
}


/**
* MD5加密字符串
* @param str 目标字符串
* @return MD5加密后的字符串
*/
public static String getMD5String(String str)
{
return getMD5String(str.getBytes());
}

/**
* MD5加密以byte数组表示的字符串
* @param bytes 目标byte数组
* @return MD5加密后的字符串
*/
public static String getMD5String(byte[] bytes)
{
messageDigest.update(bytes);
return bytesToHex(messageDigest.digest());
}




/**
* 将字节数组转换成16进制字符串
* @param bytes 目标字节数组
* @return 转换结果
*/
public static String bytesToHex(byte bytes[])
{
return bytesToHex(bytes, 0, bytes.length);
}

/**
* 将字节数组中指定区间的子数组转换成16进制字符串
* @param bytes 目标字节数组
* @param start 起始位置(包括该位置)
* @param end 结束位置(不包括该位置)
* @return 转换结果
*/
public static String bytesToHex(byte bytes[], int start, int end)
{
StringBuilder sb = new StringBuilder();

for(int i = start; i < start + end; i++)
{
sb.append(byteToHex(bytes[i]));
}

return sb.toString();
}

/**
* 将单个字节码转换成16进制字符串
* @param bt 目标字节
* @return 转换结果
*/
public static String byteToHex(byte bt)
{
return HEX_DIGITS[(bt & 0xf0) >> 4] + "" + HEX_DIGITS[bt & 0xf];
}




}

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类型,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