Permissions4m 开源项目教程
2024-08-10 03:13:17作者:何举烈Damon
项目介绍
Permissions4m 是一个专为国产 Android 手机设计的权限适配框架,旨在解决在 Android 5.0 和 6.0 系统上权限申请的适配问题。该框架通过编译时注解处理,简化了权限申请流程,并提供了对国产手机权限适配的增强功能。
项目快速启动
引入依赖
首先,在项目的 build.gradle 文件中添加 Permissions4m 的依赖:
dependencies {
implementation 'com.example.jokermonn:permissions4m:x.x.x' // 请替换为最新版本
}
权限申请示例
以下是一个简单的权限申请示例,展示了如何在 Activity 中使用 Permissions4m 进行权限申请:
import com.joker.permissions4m.Permissions4m;
import com.joker.permissions4m.annotation.PermissionsGranted;
import com.joker.permissions4m.annotation.PermissionsDenied;
import com.joker.permissions4m.annotation.PermissionsRationale;
public class MainActivity extends AppCompatActivity {
private static final int AUDIO_CODE = 1;
@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(R.layout.activity_main);
Permissions4m.get(this)
.requestPermissions(Manifest.permission.RECORD_AUDIO)
.requestCodes(AUDIO_CODE)
.request();
}
@PermissionsGranted(AUDIO_CODE)
public void onAudioGranted() {
Toast.makeText(this, "录音权限已授予", Toast.LENGTH_SHORT).show();
}
@PermissionsDenied(AUDIO_CODE)
public void onAudioDenied() {
Toast.makeText(this, "录音权限被拒绝", Toast.LENGTH_SHORT).show();
}
@PermissionsRationale(AUDIO_CODE)
public void onAudioRationale() {
Toast.makeText(this, "需要录音权限", Toast.LENGTH_SHORT).show();
}
}
应用案例和最佳实践
应用案例
Permissions4m 可以广泛应用于需要动态申请权限的 Android 应用中,特别是在处理国产手机的权限适配问题时。例如,一个录音应用在启动时需要申请录音权限,可以使用 Permissions4m 来简化权限申请流程。
最佳实践
- 强制弹出权限申请对话框:建议设置
requestForce(true),确保权限申请对话框一定会弹出。 - 处理权限拒绝后的逻辑:在
@PermissionsDenied注解的方法中,可以引导用户到系统设置页面手动开启权限。 - 同步申请多个权限:使用
@PermissionsRequestSync注解可以同步申请多个权限,简化代码逻辑。
典型生态项目
Permissions4m 作为一个权限适配框架,可以与其他 Android 开发工具和库结合使用,例如:
- RxPermissions:结合 RxJava 进行权限申请,提供更灵活的权限处理方式。
- ButterKnife:使用注解简化 View 绑定,与 Permissions4m 一起使用可以进一步简化 Android 开发流程。
- LeakCanary:用于检测内存泄漏,确保应用的稳定性。
通过结合这些生态项目,可以构建更强大和稳定的 Android 应用。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0105
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
478
3.57 K
React Native鸿蒙化仓库
JavaScript
288
340
暂无简介
Dart
729
175
Ascend Extension for PyTorch
Python
288
321
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++
850
448
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
239
100
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
10
1
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
452
180
🎉 (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
1.28 K
705