ArcNavigationView 开源项目教程
项目介绍
ArcNavigationView 是一个基于 Material Design 概念的导航抽屉实现,它提供了独特的曲线边缘效果,为传统的滑动式侧边栏带来了视觉上的新颖感。此项目由 Roman Zavarnitsyn 创建于2017年,灵感源自Florent Champigny的ArcLayout,并在此基础上进行了调整优化。遗憾的是,该项目已被作者于2020年6月28日归档,目前处于只读状态。
项目快速启动
要将 ArcNavigationView 快速集成到您的项目中,您需要完成以下步骤:
添加依赖
首先,在您的Android项目的 build.gradle(Module级别)文件中的 dependencies 块添加以下依赖:
dependencies {
implementation 'com.rom4ek:arcnavigationview:2.0.0'
}
然后同步 Gradle 以使新依赖生效。
XML布局配置
在您的XML布局文件中,替换常规的 DrawerLayout 为 ArcNavigationView,如下面的示例所示:
<android.support.v4.widget.DrawerLayout
xmlns:android="http://schemas.android.com/apk/res/android"
xmlns:app="http://schemas.android.com/apk/res-auto"
android:id="@+id/drawer_layout"
android:layout_width="match_parent"
android:layout_height="match_parent">
<!-- 主内容视图 -->
<!-- ArcNavigationView 实例 -->
<com.rom4ek.arcnavigationview.ArcNavigationView
android:id="@+id/nav_view"
android:layout_width="wrap_content"
android:layout_height="match_parent"
android:layout_gravity="start"
app:menu="@menu/activity_main_drawer"
app:arc_width="96dp"
app:arc_cropDirection="cropInside"/>
</android.support.v4.widget.DrawerLayout>
记得设置您的菜单资源(@menu/activity_main_drawer)和适当的宽度。
支持右对齐
若要让导航抽屉出现在屏幕右侧,使用 end 或 right 重力,并确保支持右到左(RTL)布局。
应用案例和最佳实践
为了防止子视图在使用右对齐模式时被裁剪,特别是在从左到右(LTR)布局中,应确保应用支持RTL方向:
- 在
AndroidManifest.xml的<application>标签内加入android:supportsRtl="true"。 - 在 ArcNavigationView 中添加
android:layoutDirection="rtl"。
此外,推荐在API 21及以上版本中启用状态栏和导航栏的半透明效果,这可以通过在对应的styles.xml中添加以下代码实现:
<style name="AppTheme.TranslucentBars">
<item name="android:windowTranslucentStatus">true</item>
<item name="android:windowTranslucentNavigation">true</item>
</style>
并确保在运行时将该主题应用于相应的Activity。
典型生态项目
由于此仓库已归档,目前没有直接相关或延伸的“典型生态项目”来讨论。然而,对于那些寻求类似UI效果的开发者来说,可能需要探索最新的开源项目或Material Design的官方组件更新,以寻找新的解决方案或者灵感。
本教程提供了一个基础框架,引导您开始使用 ArcNavigationView。尽管项目不再维护,但在许多旧项目中,它仍能发挥价值,或是作为自定义UI设计的一个学习案例。开发新项目时,建议考虑官方库的最新更新或其他活跃的开源替代品,以获得持续的支持和兼容性。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00