uiautomator2项目中设备信息获取的优化与调整
2025-05-31 18:51:45作者:段琳惟
背景介绍
uiautomator2作为Android自动化测试的重要工具,其设备信息获取功能一直是开发者关注的重点。在项目迭代过程中,设备信息接口经历了一些调整,特别是从2.x版本到新版本的变化,这需要开发者了解其中的差异和优化思路。
设备信息接口的变化
在uiautomator2的2.x版本中,设备信息接口返回了较为全面的设备数据,包括:
- 基础信息:UDID、序列号、品牌、型号等
- 系统信息:Android版本、SDK版本
- 硬件信息:CPU核心数、内存大小
- 电池状态:充电状态、电量百分比等
- 显示参数:屏幕分辨率
而在新版本中,接口返回的信息更加精简,主要保留了核心的设备参数,去除了部分可能变化频繁或不太常用的字段。
新版推荐获取方式
根据项目维护者的规划,新版uiautomator2将保留以下核心设备信息:
{
'version': '10',
'serial': '08a3d291',
'brand': 'SMARTISAN',
'model': 'DT1901A',
'sdk': 29,
'display': {'width': 1080, 'height': 2340},
'memory': {'total': 7665272, 'around': '7 GB'},
'cpu': {'cores': 8, 'hardware': 'Qualcomm Technologies, Inc SM8150'}
}
对于电池信息的获取,项目维护者推荐使用专门的接口:
d.adb_device.battery()
这种方式返回的电池信息更加详细和准确,包括:
- 充电状态(AC/USB/无线充电)
- 电池健康状态
- 当前电量百分比
- 电压值
- 电池温度
- 电池技术类型等
设计思路分析
这种调整体现了几个设计理念:
-
关注点分离:将设备静态信息与动态状态信息分离,静态信息通过设备信息接口获取,动态信息(如电池状态)通过专门接口获取
-
接口精简:减少主接口返回的数据量,提高响应速度,同时保持核心信息的完整性
-
功能专一化:电池这类变化频繁的信息更适合通过专门接口按需获取,而不是每次获取设备信息时都返回
开发者适配建议
对于从旧版本迁移过来的开发者,建议:
-
检查代码中对设备信息字段的依赖,特别是那些在新版中不再返回的字段
-
对于电池信息,改用
d.adb_device.battery()接口获取 -
对于其他不再返回的字段,考虑是否有替代获取方式,或者是否真的必要
-
在需要完整设备信息的场景,可以组合多个接口的数据来构建完整的设备信息对象
总结
uiautomator2对设备信息接口的优化体现了软件工程中的接口设计原则,通过合理的功能划分和接口精简,既保持了核心功能的完整性,又提高了系统的灵活性和性能。开发者理解这些变化背后的设计思路,可以更好地适应新版本,并编写出更健壮的自动化测试代码。
登录后查看全文
热门项目推荐
相关项目推荐
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
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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-X1-7BSpark-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
最新内容推荐
RadiAnt DICOM Viewer 2021.2:专业医学影像阅片软件的全面指南 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 Jetson TX2开发板官方资源完全指南:从入门到精通 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 ONVIF设备模拟器:开发测试必备的智能安防仿真工具 PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
186
203
暂无简介
Dart
629
143
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
242
316
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
383
3.56 K
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
481
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++
648
266
🎉 (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
1.11 K
624
仓颉编译器源码及 cjdb 调试工具。
C++
128
858