推荐一款优雅的进度指示器:IHProgressHUD
项目介绍
IHProgressHUD 是一个简洁易用的进度显示控件,专为iOS和tvOS设计。它基于SVProgressHUD,并借助Swiftify进行了Swift重构,增加了线程安全性和在App扩展中的兼容性。
如果你对转换过程感兴趣,可以阅读这篇文章获取更多细节。
该项目提供了一个直观的示例动图,展示了其精美的动画效果:

你可以在线预览Appetize.io上的实际运行效果。
安装
安装 IHProgressHUD 有以下两种方法:
使用CocoaPods
-
在你的Podfile中添加:
pod 'IHProgressHUD'或者如果你想使用最新特性:
pod 'IHProgressHUD', :git => 'https://github.com/Swiftify-Corp/IHProgressHUD.git' -
执行
pod install安装到你的项目中。
使用Swift包管理器(SwiftPM)
-
从Xcode菜单选择
File>Swift Packages>Add Package Dependency...。 -
输入仓库地址:
https://github.com/Swiftify-Corp/IHProgressHUD.git并确认。 -
指定版本后,点击完成,Xcode会自动将依赖加入到你的项目。
使用
IHProgressHUD 设计为单例模式,可在后台线程直接调用其方法。例如,使用GCD进行异步任务处理:
IHProgressHUD.show()
DispatchQueue.global(qos: .default).async(execute: {
// 时间消耗型任务
IHProgressHUD.dismiss()
})
应用场景
IHProgressHUD 的主要用途是在执行耗时操作时提示用户,如文件下载、网络请求等。但不建议用于非阻塞用户体验的操作,如下拉刷新、无限滚动或发送消息。
自定义设置
可以通过以下方法调整 IHProgressHUD 的样式、颜色、尺寸等:
- 显示风格
- 遮罩类型
- 动画类型
- 容器视图
- 最小大小
- 圆环厚度
- 圆环半径
- 边角半径
- 边框颜色
- 边框宽度
- 字体
- 文本颜色
- 背景颜色
- 图像大小
- 是否对图像进行着色
- 确认、成功或错误图标
- 延迟关闭时间
- 动画持续时间
- 支持的最大窗口级别
- 触摸反馈启用状态
开源贡献与许可证
欢迎通过创建问题或提交Pull Request参与到 IHProgressHUD 的开发中。查看贡献指南了解详情。
该项目遵循 MIT 许可证,并且感谢Freepik提供的信息、成功和错误图标,这些图标根据 Creative Commons BY 3.0 协议授权使用。
尝试一下 IHProgressHUD,让它为你的应用带来更专业的用户体验吧!
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust050
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00- 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
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00