React Native Video 全屏模式下的导航栏与控制器处理方案
全屏模式下的导航栏显示问题
在 React Native Video 6.4.3 版本中,当视频进入全屏模式时,Android 设备的底部导航栏会保持可见状态。这一设计选择是为了确保用户在全屏观看视频时仍能访问返回按钮、最小化等系统功能。
开发者可以通过修改 FullScreenPlayerView 的代码来实现沉浸式体验,隐藏导航栏。核心方法是重写 onAttachedToWindow 方法,设置系统 UI 标志位:
override fun onAttachedToWindow() {
super.onAttachedToWindow()
window.decorView.systemUiVisibility = (
View.SYSTEM_UI_FLAG_IMMERSIVE_STICKY
or View.SYSTEM_UI_FLAG_FULLSCREEN
or View.SYSTEM_UI_FLAG_HIDE_NAVIGATION
or View.SYSTEM_UI_FLAG_LAYOUT_FULLSCREEN
or View.SYSTEM_UI_FLAG_LAYOUT_HIDE_NAVIGATION
or View.SYSTEM_UI_FLAG_LAYOUT_STABLE
)
}
退出全屏时,需要重置 UI 可见性:
override fun onDetachedFromWindow() {
super.onDetachedFromWindow()
window.decorView.systemUiVisibility = (
View.SYSTEM_UI_FLAG_LAYOUT_STABLE
or View.SYSTEM_UI_FLAG_LAYOUT_HIDE_NAVIGATION
or View.SYSTEM_UI_FLAG_LAYOUT_FULLSCREEN
)
}
全屏模式下的控制器处理
开发者反馈,即使设置了 controls={false} 属性,全屏模式下仍会显示默认控制器。这是因为全屏模式的控制器是由原生端独立处理的,与普通模式下的控制器不同。
解决方案有两种:
-
避免使用原生全屏模式:不直接使用
fullScreen={true}属性,而是通过 JavaScript 端实现全屏效果。可以创建一个新的全屏页面,在用户点击全屏按钮时导航至该页面,这样就能完全自定义控制器。 -
等待功能更新:React Native Video 团队正在考虑添加新属性来控制全屏模式下的导航栏显示行为,未来版本可能会提供更灵活的配置选项。
状态栏颜色问题
另一个需要注意的问题是,在 Android 设备上使用 fullScreen={true} 时,状态栏会变为黑色,且在退出全屏后不会恢复原色。这已被确认为一个需要修复的问题,预计在后续版本中解决。
最佳实践建议
-
如果需要完全自定义的全屏体验,建议采用 JavaScript 端实现方案,避免依赖原生全屏模式。
-
若必须使用原生全屏模式,可以等待官方更新,或自行修改原生代码实现所需效果。
-
对于状态栏颜色问题,目前可通过监听全屏状态变化,在 JavaScript 端手动调整状态栏样式作为临时解决方案。
React Native Video 作为一个成熟的视频播放组件,在全屏体验方面提供了基础功能,同时也保留了让开发者根据需求进行自定义的灵活性。理解这些底层机制有助于开发者更好地控制视频播放体验。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
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
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!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00