KivMob项目教程:在Kivy应用中集成AdMob广告
2025-06-20 16:44:52作者:伍霜盼Ellen
项目概述
KivMob是一个专门为Kivy框架设计的AdMob广告集成库,它让开发者能够轻松地在Kivy应用中展示各种类型的广告。Kivy是一个流行的Python框架,用于开发跨平台的移动应用和多点触控应用。通过KivMob,开发者可以方便地在应用中实现广告变现功能。
安装指南
KivMob可以通过Python包管理工具pip进行安装。以下是安装步骤:
pip3 install kivmob
或者,你也可以从源代码安装:
python3 setup.py install --user
Android平台配置
要在Android平台上使用KivMob,需要对buildozer.spec文件进行以下配置:
requirements = python3, kivy, android, jnius, kivmob
...
android.permissions = INTERNET, ACCESS_NETWORK_STATE
android.api = 33
android.minapi = 21
android.sdk = 33
android.ndk = 25b
android.gradle_dependencies = com.google.firebase:firebase-ads:21.4.0
android.enable_androidx = True
p4a.branch = master
# 测试广告使用此应用ID
android.meta_data = com.google.android.gms.ads.APPLICATION_ID=你的AdMob应用ID
注意:在正式发布应用前,请确保将测试ID替换为你自己的AdMob应用ID。
横幅广告集成
横幅广告是最常见的广告形式之一,通常显示在屏幕顶部或底部。以下是如何在Kivy应用中集成横幅广告的示例:
from kivmob import KivMob, TestIds
from kivy.app import App
from kivy.uix.label import Label
class BannerApp(App):
"""在屏幕顶部显示横幅广告的示例应用"""
def build(self):
# 初始化广告系统
self.ads = KivMob(TestIds.APP)
# 创建顶部横幅广告
self.ads.new_banner(TestIds.BANNER, top_pos=True)
# 请求广告
self.ads.request_banner()
# 显示广告
self.ads.show_banner()
return Label(text='横幅广告演示')
def on_pause(self):
# 应用暂停时暂停广告
return True
if __name__ == "__main__":
BannerApp().run()
要将横幅广告显示在屏幕底部,只需将top_pos参数设置为False。
插页式广告集成
插页式广告是全屏广告,通常在应用自然过渡点(如关卡之间)展示。以下是集成示例:
from kivmob import KivMob, TestIds
from kivy.app import App
from kivy.uix.button import Button
class InterstitialApp(App):
"""点击按钮显示插页式广告的示例应用"""
def build(self):
self.ads = KivMob(TestIds.APP)
# 创建插页式广告
self.ads.new_interstitial(TestIds.INTERSTITIAL)
# 请求广告
self.ads.request_interstitial()
# 按钮点击时显示广告
return Button(text='显示插页式广告',
on_release=lambda a:self.ads.show_interstitial())
def on_resume(self):
# 应用恢复时重新请求广告
self.ads.request_interstitial()
if __name__ == "__main__":
InterstitialApp().run()
激励视频广告集成
激励视频广告允许用户观看视频来换取应用内奖励。KivMob提供了回调功能来处理奖励发放:
from kivmob import KivMob, TestIds, RewardedListenerInterface
from kivy.app import App
from kivy.uix.button import Button
class RewardListener(RewardedListenerInterface):
"""自定义奖励回调处理类"""
def on_rewarded(self, reward_type, reward_amount):
print(f"用户获得奖励: {reward_amount} {reward_type}")
def on_rewarded_ad_left_application(self):
print("用户离开了应用")
def on_rewarded_ad_closed(self):
print("广告已关闭")
def on_rewarded_ad_failed_to_load(self, error_code):
print(f"广告加载失败,错误代码: {error_code}")
def on_rewarded_ad_loaded(self):
print("广告加载成功")
def on_rewarded_ad_opened(self):
print("广告已打开")
class RewardedApp(App):
"""点击按钮显示激励视频广告的示例应用"""
def build(self):
self.ads = KivMob(TestIds.APP)
# 加载激励视频广告
self.ads.load_rewarded_ad(TestIds.REWARDED_VIDEO)
# 设置奖励回调监听器
self.ads.set_rewarded_ad_listener(RewardListener())
# 按钮点击时显示广告
return Button(text='显示激励广告',
on_release=lambda a:self.ads.show_rewarded_ad())
def on_resume(self):
# 应用恢复时重新加载广告
self.ads.load_rewarded_ad(TestIds.REWARDED_VIDEO)
if __name__ == "__main__":
RewardedApp().run()
最佳实践建议
-
广告展示时机:合理安排广告展示时机,避免影响用户体验。插页式广告适合在关卡之间或任务完成后展示。
-
测试广告:开发阶段务必使用测试广告ID,避免点击自己的广告导致账号被封。
-
广告加载:提前加载广告,确保用户需要时能够立即展示。
-
错误处理:实现适当的错误处理逻辑,处理广告加载失败等情况。
-
用户选择:特别是对于激励视频广告,确保用户明确知道观看广告能获得什么奖励。
通过本教程,你应该已经掌握了如何在Kivy应用中使用KivMob集成各种类型的AdMob广告。合理使用广告功能,可以在提升用户体验的同时实现应用变现。
登录后查看全文
热门项目推荐
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
304
2.66 K
Ascend Extension for PyTorch
Python
131
159
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
458
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++
630
221
React Native鸿蒙化仓库
JavaScript
230
307
暂无简介
Dart
593
129
🎉 (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
1.06 K
612
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,专门为Transformer模型的训练和推理而设计。
C++
48
77
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
360
2.48 K
openGauss kernel ~ openGauss is an open source relational database management system
C++
155
206