TPKeyboardAvoiding 技术文档
1. 安装指南
1.1 使用 CocoaPods 安装
如果你使用 CocoaPods 来管理你的 iOS 项目依赖,可以在 Podfile 中添加以下内容:
pod 'TPKeyboardAvoiding'
然后运行以下命令来安装:
pod install
1.2 手动安装
如果你不使用 CocoaPods,可以手动将 TPKeyboardAvoidingTableView.m、TPKeyboardAvoidingTableView.h、TPKeyboardAvoidingScrollView.m 和 TPKeyboardAvoidingScrollView.h 文件添加到你的项目中。
2. 项目的使用说明
2.1 使用 TPKeyboardAvoidingTableView
如果你使用的是 UITableViewController,可以将 UITableView 的类设置为 TPKeyboardAvoidingTableView。具体步骤如下:
- 将
TPKeyboardAvoidingTableView.m和TPKeyboardAvoidingTableView.h文件添加到你的项目中。 - 在 xib 文件中,将
UITableView的类设置为TPKeyboardAvoidingTableView。
2.2 使用 TPKeyboardAvoidingScrollView
如果你使用的是非 UITableViewController,可以将 UIScrollView 的类设置为 TPKeyboardAvoidingScrollView。具体步骤如下:
- 将
TPKeyboardAvoidingScrollView.m和TPKeyboardAvoidingScrollView.h文件添加到你的项目中。 - 在 xib 文件中,添加一个
UIScrollView,并将其类设置为TPKeyboardAvoidingScrollView。 - 将所有需要避免键盘遮挡的控件放置在
TPKeyboardAvoidingScrollView中。
2.3 禁用自动“下一步”按钮功能
如果你不希望自动将键盘上的“下一步”按钮连接到下一个文本字段,可以将 UITextField 的返回键类型设置为除 UIReturnKeyDefault 以外的任何值。
3. 项目API使用文档
3.1 TPKeyboardAvoidingTableView
TPKeyboardAvoidingTableView 是 UITableView 的子类,用于自动调整 UITableView 的内容以避免键盘遮挡正在编辑的文本字段。
3.1.1 属性
- contentInset: 自动调整以避免内容被键盘遮挡。
3.1.2 方法
- adjustOffsetIfNeeded: 调整内容偏移量以确保正在编辑的文本字段可见。
3.2 TPKeyboardAvoidingScrollView
TPKeyboardAvoidingScrollView 是 UIScrollView 的子类,用于自动调整 UIScrollView 的内容以避免键盘遮挡正在编辑的文本字段。
3.2.1 属性
- contentInset: 自动调整以避免内容被键盘遮挡。
3.2.2 方法
- adjustOffsetIfNeeded: 调整内容偏移量以确保正在编辑的文本字段可见。
4. 项目安装方式
4.1 使用 CocoaPods
在 Podfile 中添加以下内容:
pod 'TPKeyboardAvoiding'
然后运行以下命令来安装:
pod install
4.2 手动安装
将 TPKeyboardAvoidingTableView.m、TPKeyboardAvoidingTableView.h、TPKeyboardAvoidingScrollView.m 和 TPKeyboardAvoidingScrollView.h 文件手动添加到你的项目中。
通过以上步骤,你可以轻松地将 TPKeyboardAvoiding 集成到你的 iOS 项目中,并确保在键盘弹出时,文本字段不会被遮挡。
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-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