iOS Newbie - Xcode 7 & iOS 9 自定义UISearch Bar

参考资料

ios7自定义UISearchBar注意的问题:(http://www.tuicool.com/articles/VNzUzy3

ios9使用中的问题及解决

在ios8中已经将”UISearchDisplayController”注销了,因为这个类职能将结果显示雨”tableView”上,从ios8开始取而代之的是”UISearchController”类。”UISearchController”类可以将结果显示于”collectionView”或是”mapVIew”上,功能先进,易控制。

自定义UISearch Bar

UISearch Bar 视图层次结构

  • 控制台法

    自定义”UISearchbar”最困难的就是设置背景图片了,必须了解它的视图层次结构,参考资料中使用控制台输入”po [self.searchBar recursiveDescription]” 命令来获取层次。

  • View UI Hierarchy 模式

    在模拟器上运行APP,然后切换到”Show the Debug navigator”,快捷键”Command+6”,找到”View UI Hierarchy”模式,当前页面的层次结构就显示出来了。

示例代码

可以看出”UISearchBar”的样式是封装在它的下层”UIView”中的,其中包括”UISearchBarBackground(UIImage)”和”UISearchBarTextField”,所以只是设置”setBackgroundImage”或者”setBackgroundColor”的效果都不是很好,原因就是”UIView”中有两个UI控件,所以选用”setBarTintColor”,可以解决此问题。代码如下:

@interface ViewController: UIViewController <UITableViewDataSource, UITableViewDelegate, UISearchBarDelegate, UISearchResultsUpdating> {
    NSArray *searchResult;
    UISearchController *mySearchController;
}
@property (weak, nonatomic) IBOutlet UITableView *tableView;
@end


//Init UISearchController
mySearchController = [[UISearchController alloc] initWithSearchResultsController:nil];
mySearchController.searchResultsUpdater = self;
mySearchController.searchBar.delegate = self;
                              mySearchController.dimsBackgroundDuringPresentation = NO;
mySearchController.hidesNavigationBarDuringPresentation = NO;
[mySearchController.searchBar setBarTintColor:UIColorFromRGB(0x5687a5)];
[mySearchController.searchBar setTintColor:UIColorFromRGB(0xb39191)];

[mySearchController.searchBar setFrame:CGRectMake(0, 0, [UIScreen mainScreen].bounds.size.width, 44)];

[self.view addSubview:mySearchController.searchBar];
mySearchController.definesPresentationContext = YES;

UISearchController

  • 显示搜索结果

    初始化”UISearchController”之后还需要实现”UISearchResultsUpdating”协议中的”updateSearchResultsForSearchController:”方法,代码如下:

    if (searchController.isActive) {
        NSString *searchString = searchController.searchBar.text;
    
        if ([searchString length] > 0) {
            NSPredicate *p = [NSPredicate predicateWithFormat:@"SELF CONTAINS[cd] %@", searchString];
            searchResult = [list filteredArrayUsingPredicate:p];
        } else {
            searchResult = nil;
        }
    
    } else {
        searchResult = nil;
    }
    
    [self.tableView reloadData];
    

    由于是在”UITableView”上显示搜索结果,那么有关”UITableViewDelegate”的方法,实现的时候要判断”if (searchResults != nil)”,来区分是现实搜索结果的”cell”还是显示原来的”cell”。

  • 取消焦点

    还有一个容易忽略的问题就是当我们点击搜索结果时,页面需要跳转,如果”UISearchBar”的焦点没有取消,则它不会消失,在下个页面中还会留在当前位置。所以使用”StoryBoard”设置”Segue Action”跳转的需要实现”prepareForSegue:”代理方法,此方法会在执行”Segue”之前调用,代码如下:

    -(void)prepareForSegue:(UIStoryboardSegue *)segue sender:(id)sender {
        //Set Search Controller Active Property
        [mySearchController setActive:NO];
    }
    

    如果是使用代码进行跳转的,在跳转前加入”[mySearchController setActive:NO];”即可,代码示例:添加在”tableView: didSelectRowAtIndexPath:”方法中:

    //Set Search Controller Active Property
    [mySearchController setActive:NO];
    //Load The Next View
    UITableViewController *view = [self.storyboard instantiateViewControllerWithIdentifier:@"ViewIdentifier"];
    [self.navigationController showViewController:view sender:nil];
    

持续更新

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