iOS ASI--文件下载

1.方法一:如果NSData数据很大,把很大的数据装进内存,内存肯定会爆掉,所以这种方法不可取

    // 设置url

    NSURL *url = [NSURL URLWithString:@"http://localhost/123.jpg"];

    // 设置请求

    self.request = [ASIHTTPRequest requestWithURL:url];

    // 接收到服务器返回的数据

    [self.request setDataReceivedBlock:^(NSData *data) {

        NSLog(@"-----%d",data.length);

    }];

    // 发起请求

    [self.request startAsynchronous];

 

2.方法二:

    // 设置url

    NSURL *url = [NSURL URLWithString:@"http://localhost/123.jpg"];

    // 设置请求

    self.request = [ASIHTTPRequest requestWithURL:url];

    // 设置文件本地存放的路径

    NSString *cache = [NSSearchPathForDirectoriesInDomains(NSCachesDirectory, NSUserDomainMask, YES) lastObject];

    NSString *cachePath = [cache stringByAppendingPathComponent:@"cache.db"];

    [self.request setDownloadDestinationPath:cachePath];

    // 下载完成时调用

    [self.request setCompletionBlock:^{

        NSLog(@"下载完咯,用ASI下载,就是这么轻轻松松搞定!");

    }];

    // 发起请求

    [self.request startAsynchronous];

3. 监听下载的进度,先要遵守ASIProgressDelegate协议

    // 设置url

    NSURL *url = [NSURL URLWithString:@"http://localhost/123.jpg"];

    // 设置请求

    self.request = [ASIHTTPRequest requestWithURL:url];

    // 设置文件本地存放的路径

    NSString *cache = [NSSearchPathForDirectoriesInDomains(NSCachesDirectory, NSUserDomainMask, YES) lastObject];

    NSString *cachePath = [cache stringByAppendingPathComponent:@"cache.db"];

    [self.request setDownloadDestinationPath:cachePath];

    // 设置下载进度代理 

  self.request.downloadProgressDelegate = self;

    // 接收到服务器返回的数据

    [self.request setCompletionBlock:^{

        NSLog(@"下载完咯");

    }];

    // 发起请求

    [self.request startAsynchronous];

}

#pragma mark - ASIProgressDelegate

- (void)setProgress:(float)newProgress{

    NSLog(@"下载进度:%f",newProgress);

}

补充:如果能拿到进度条控件,监听下载进度还有一种写法

self.request.downloadProgressDelegate = self.progressView;

/*   代理方法可以省略不写,因为把self.progressView有progress属性,意味着progressView内部已经实现了progress的set方法,正好downloadProgressDelegate的代理方法就是setProgress: ,所以下面这段代码可以省略

- (void)setProgress:(float)newProgress{

    self.progressView.progress = newProgress

}   */

4.支持断点续传   [self.request setAllowResumeForFileDownloads:YES];  把这句代码加上就OK了

原理:假设有个按钮,点击按钮执行这个方法 [self.request clearDelegatesAndCancel];然后ASI会把已经下载好的数据放到沙盒缓存,下次再下载时,会自动将新数据拼接到已下载好的旧数据上.

 

转载于:https://www.cnblogs.com/oumygade/p/4249323.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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