WMRouter 开源路由框架教程
项目介绍
WMRouter 是一款基于组件化设计思路的 Android 路由框架,由美团开发并开源。它主要提供 URI 分发和 ServiceLoader 两大功能,适用于多工程之间的页面跳转、动态下发 URI 链接的跳转等场景。WMRouter 的特点包括支持多 scheme、host、path,支持 URI 正则匹配,以及完全组件化设计,核心组件均可扩展、按需组合,实现灵活强大的功能。
项目快速启动
添加依赖
首先,在项目的 build.gradle 文件中添加 WMRouter 的依赖:
dependencies {
implementation 'io.github.meituan-dianping:router:1.2.1'
}
初始化 WMRouter
在应用的 Application 类中初始化 WMRouter:
public class MyApplication extends Application {
@Override
public void onCreate() {
super.onCreate();
// 初始化 WMRouter
WMRouter.init(this);
}
}
配置路由
使用注解配置路由:
@RouterUri(path = "/main/activity")
public class MainActivity extends AppCompatActivity {
// 你的代码
}
跳转页面
使用 WMRouter 进行页面跳转:
WMRouter.getInstance().build("/main/activity").navigation();
应用案例和最佳实践
页面跳转
WMRouter 支持多 scheme、host、path,可以灵活配置页面跳转:
WMRouter.getInstance().build("wm_router://page/main").navigation();
拦截器
使用拦截器在跳转前执行同步/异步操作,例如定位、登录等:
WMRouter.getInstance().addGlobalInterceptor(new GlobalInterceptor() {
@Override
public void intercept(final UriRequest request, final InterceptorCallback callback) {
// 执行拦截操作
callback.onContinue(request);
}
});
降级策略
配置全局和局部降级策略,保证关键功能的正常工作:
WMRouter.getInstance().setGlobalOnCompleteListener(new OnCompleteListener() {
@Override
public void onSuccess(UriRequest request) {
// 跳转成功
}
@Override
public void onError(UriRequest request, int resultCode) {
// 跳转失败,执行降级逻辑
}
});
典型生态项目
WMRouter 已经被广泛应用于美团外卖、美团外卖商家版、美团、大众点评等项目中。这些项目通过 WMRouter 实现了高效的页面跳转和模块解耦,提高了开发效率和应用性能。
美团外卖
美团外卖通过 WMRouter 实现了多工程之间的页面跳转和动态下发 URI 链接的跳转,提高了用户体验和开发效率。
美团外卖商家版
美团外卖商家版利用 WMRouter 的 ServiceLoader 模块,实现了模块间的解耦和通信,便于实现组件化和模块间通信。
美团
美团通过 WMRouter 实现了页面 A/B 测试和动态配置,根据不同的需求动态下发一组路由表,相同的 URI 跳转到不同的一组页面。
大众点评
大众点评使用 WMRouter 进行页面跳转和拦截操作,确保关键功能的正常工作,并提供友好的用户提示。
通过以上案例,可以看出 WMRouter 在实际项目中的应用广泛,能够有效提升开发效率和应用性能。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00