Touchegg 2.0.18版本发布:手势动作执行时机新特性解析
2025-06-14 20:59:43作者:董斯意
Touchegg是一款开源的触摸手势识别工具,它允许用户通过触摸板或触摸屏执行各种手势操作来触发系统命令、快捷键或鼠标动作。作为一个轻量级的中间件,Touchegg为Linux桌面环境提供了丰富的手势控制功能。
手势动作执行时机的新特性
在最新发布的2.0.18版本中,Touchegg引入了一个重要的功能增强:对手势动作执行时机的更精细控制。这一改进为手势操作带来了更大的灵活性和实用性。
原有功能回顾
在之前的版本中,Touchegg允许用户配置手势动作在两种时机执行:
- 手势开始时(begin)
- 手势结束时(end)
这种二元选择对于某些场景来说显得不够灵活。例如,当用户想要模拟鼠标按键的按下和释放动作时,需要分别配置两个独立的动作。
新增的"begin-and-end"选项
2.0.18版本新增了第三种执行时机选项:"begin-and-end"。这一选项允许单个动作在手势开始和结束时各执行一次,为以下三种核心动作类型带来了行为上的改进:
-
鼠标点击(MOUSE_CLICK):
- 手势开始时:按下鼠标按钮
- 手势结束时:释放鼠标按钮
- 这种实现方式更符合真实的鼠标操作体验,可以用于实现拖拽等需要持续按住按钮的操作
-
发送按键(SEND_KEYS):
- 手势开始时:发送按键按下事件
- 手势结束时:发送按键释放事件
- 适用于需要长时间按住某个按键的场景
-
运行命令(RUN_COMMAND):
- 新增环境变量TOUCHEGG_GESTURE_ON
- 手势开始时:TOUCHEGG_GESTURE_ON=begin
- 手势结束时:TOUCHEGG_GESTURE_ON=end
- 允许脚本根据手势阶段执行不同的逻辑
技术实现分析
从技术角度看,这一改进涉及以下几个方面的变更:
- 配置解析:扩展了配置文件的解析逻辑,新增了对"begin-and-end"选项的支持
- 事件分发:修改了事件分发机制,使单个动作可以响应多个手势阶段事件
- 环境变量注入:为RUN_COMMAND动作增加了环境变量的动态注入能力
- 状态管理:增强了内部状态跟踪机制,确保动作在不同阶段的一致性
实际应用场景
这一新特性在实际使用中可以带来多种便利:
-
更自然的拖拽操作:
- 配置三指下滑手势执行MOUSE_CLICK(左键)的begin-and-end动作
- 手势开始时自动按下左键,移动手指即可拖拽窗口或文件
- 手势结束时自动释放左键,完成操作
-
游戏控制:
- 将特定手势映射为游戏中的持续按键(如加速键)
- 手势期间保持按键按下状态,手势结束自动释放
-
复杂脚本控制:
- 通过检测TOUCHEGG_GESTURE_ON环境变量
- 在手势开始时启动某个进程
- 在手势结束时优雅地终止该进程
配置示例
以下是一个使用新特性的配置示例:
<gesture type="SWIPE" fingers="3" direction="UP">
<action type="MOUSE_CLICK">
<button>1</button>
<on>begin-and-end</on>
</action>
</gesture>
这个配置将三指上滑手势映射为鼠标左键的按下和释放,实现拖拽操作。
总结
Touchegg 2.0.18版本通过引入"begin-and-end"执行时机选项,显著提升了手势控制的精细度和实用性。这一改进特别适合需要模拟持续按键或区分手势开始/结束状态的场景,为用户提供了更加自然和强大的手势操作体验。对于高级用户来说,结合环境变量的脚本控制功能更是开启了无限的可能性。
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-1.5暂无简介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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
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
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
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
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210