【亲测免费】 MBProgressHUD 使用指南
1. 项目介绍
MBProgressHUD 是一个为 iOS 应用设计的轻量级弹出视图类,它在后台任务执行时展示一个半透明的 HUD(Head Up Display), 包含指示器和/或标签。这个库旨在替代私有的 UIKit UIProgressHUD 组件,并且增加了一些额外的功能,如多种样式的支持。MBProgressHUD 要求在 iOS 9.0 或更高版本上运行,并依赖于 Foundation、UIKit 和 CoreGraphics 框架。
2. 快速启动
安装
使用 CocoaPods
编辑您的 Podfile 并添加以下行:
pod 'MBProgressHUD', '~> 1.2.0'
然后,在终端中执行 pod install。
使用 Carthage
在您的 Cartfile 添加:
github "jdg/MBProgressHUD" ~> 1.2.0
接着,运行 carthage update。
使用 Swift Package Manager
如果您偏好 Swift Package Manager,将以下内容加入您的 Package.swift 文件:
.package(url: "https://github.com/jdg/MBProgressHUD.git", from: "1.2.0")
然后更新您的依赖。
示例代码
在需要显示 HUD 的地方插入以下代码:
MBProgressHUD *hud = [MBProgressHUD showHUDAddedTo:self.view animated:YES];
hud.mode = MBProgressHUDModeAnnularDeterminate;
// 在适当的地方异步执行你的操作并控制 HUD
dispatch_async(dispatch_get_global_queue(0, 0), ^{
// 执行背景工作
[self doSomeWorkWithProgress];
// 回到主线程隐藏 HUD
dispatch_async(dispatch_get_main_queue(), ^{
[hud hideAnimated:YES];
});
});
3. 应用案例和最佳实践
当处理长时间运行的任务时,关键在于确保主要线程不受阻以保证UI的流畅更新。MBProgressHUD的最佳实践是首先在主线程设置HUD,随后将耗时任务分发到后台线程。例如,网络请求或大量的计算处理,都应当在后台进行。
自定义示例
如果您想要自定义提示样式,比如显示一个检查标记:
MBProgressHUD *hud = [MBProgressHUD showHUDAddedTo:self.navigationController.view animated:YES];
hud.mode = MBProgressHUDModeCustomView;
UIImage *image = [[UIImage imageNamed:@"Checkmark"] imageWithRenderingMode:UIImageRenderingModeAlwaysTemplate];
hud.customView = [[UIImageView alloc] initWithImage:image];
4. 典型生态项目
MBProgressHUD作为一个通用组件,广泛应用于iOS开发中的各种场景,从简单的加载提示到复杂的进度显示,甚至结合其他第三方库来实现更为丰富的用户体验。由于它是独立的组件,其生态更多体现在开发者如何在其基础上进行创新性地集成和定制,而非直接与其他特定项目共生。您可以参考不同的iOS应用程序,观察它们是如何利用MBProgressHUD来提升用户交互体验的,但具体实例通常分散于各个应用内部,没有明确的“典型生态项目”列表公开提供。
通过以上步骤,您应该能够成功集成并开始使用 MBProgressHUD 来增强您的应用界面与用户体验。记得根据实际需求调整模式和外观,以达到最佳的用户体验效果。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00