GSYVideoPlayer中视频控制UI显示隐藏的回调方法解析
2025-05-10 09:57:18作者:龚格成
在开发视频播放器应用时,控制播放器UI的显示和隐藏是一个常见的需求。GSYVideoPlayer作为一款优秀的开源视频播放器框架,提供了完善的UI控制机制。本文将深入解析GSYVideoPlayer中控制UI显示隐藏的回调方法。
核心回调方法
GSYVideoPlayer主要通过以下两个关键方法来控制播放器UI的显示和隐藏:
-
changeUiToPlayingShow()
当需要显示播放器控制UI时调用此方法。该方法会显示包括进度条、全屏按钮等在内的所有控制元素。 -
changeUiToPlayingClear()
当需要隐藏播放器控制UI时调用此方法。该方法会隐藏所有控制元素,仅保留视频画面。
实现原理
这两个方法实际上是GSYVideoPlayerBase类中的核心UI控制方法。开发者可以通过继承并重写这些方法来实现自定义的UI显示/隐藏逻辑。
自定义实现
如果需要自定义UI的显示和隐藏行为,可以按照以下步骤操作:
- 创建一个继承自GSYVideoPlayer的子类
- 重写changeUiToPlayingShow()和changeUiToPlayingClear()方法
- 在这些方法中实现自定义逻辑
示例代码结构如下:
public class CustomVideoPlayer extends GSYVideoPlayer {
@Override
protected void changeUiToPlayingShow() {
super.changeUiToPlayingShow();
// 添加自定义显示逻辑
}
@Override
protected void changeUiToPlayingClear() {
super.changeUiToPlayingClear();
// 添加自定义隐藏逻辑
}
}
应用场景
理解这些回调方法的应用场景非常重要:
- 全屏/小屏切换:在全屏和小屏模式切换时控制UI的显示
- 自动隐藏:在用户不操作时自动隐藏控制UI
- 点击事件:响应用户点击视频区域的事件
- 播放状态变化:根据播放状态调整UI显示
注意事项
- 在重写方法时,建议先调用super方法确保基础功能正常
- UI的显示和隐藏应与播放器的其他状态(如缓冲、错误等)协调一致
- 考虑性能影响,避免在回调中执行耗时操作
通过掌握这些回调方法,开发者可以灵活控制GSYVideoPlayer的UI行为,打造更符合产品需求的视频播放体验。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
268
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1