封装与优化:优雅地管理`onActivityResult`
2024-05-30 00:22:58作者:蔡怀权
项目介绍
在Android开发中,onActivityResult是一个常见的功能,用于接收启动其他Activity后返回的结果。然而,传统的使用方式往往会导致代码混乱,不易维护。为此,我们推荐一个开源项目——AvoidOnResult,它旨在解决这个问题,提供了一种更优雅、更简洁的方式来处理onActivityResult,让你的代码更具可读性和可维护性。
项目技术分析
该项目巧妙地使用了设计模式和AOP(面向切面编程)思想。核心是将startActivityForResult与处理返回结果的操作绑定在一起,通过回调或RxJava订阅的方式传递结果,从而避免在多个Activity之间重复编写onActivityResult方法。这一改进使得对第三方库中Activity的控制也成为可能,极大地提升了代码复用性。
应用场景
- 当你需要从一个Activity跳转到另一个Activity并等待返回数据时,例如进行登录、选择图片、身份验证等操作。
- 在复杂的业务流程中,如购物支付环节,需要在一个集中的地方处理各种结果,避免分散在各个Activity中。
- 当你需要跨组件或模块共享代码逻辑,尤其是在处理用户交互结果时。
项目特点
- 简化回调:通过定义
Callback接口,只需在回调中处理结果,无需在每个Activity里重写onActivityResult。 - 支持RxJava:如果你的项目已经引入了RxJava,那么可以方便地通过链式操作来过滤和处理返回结果,使代码更加整洁、易读。
- 兼容性广泛:无论是自定义Activity还是第三方库中的Activity,都能轻松接入,实现结果的统一处理。
- 易于集成:添加Jitpack仓库和依赖项即可快速导入项目,无额外复杂配置。
集成步骤
-
在你的根级
build.gradle文件中添加Jitpack仓库:allprojects { repositories { ... maven { url 'https://jitpack.io' } } } -
在应用级别的
build.gradle文件中添加依赖:dependencies { implementation 'com.github.AnotherJack:AvoidOnResult:1.0.0' }
使用示例
回调方式
new AvoidOnResult(activity).startForResult(XXActivity.class, new AvoidOnResult.Callback() {
@Override
public void onActivityResult(int resultCode, Intent data) {
if (resultCode == Activity.RESULT_OK){
// 获取并处理数据
} else {
// 处理其他结果
}
}
});
RxJava方式
new AvoidOnResult(activity).startForResult(XXActivity.class)
.filter(new Predicate<ActivityResultInfo>() {
@Override
public boolean test(ActivityResultInfo activityResultInfo) throws Exception {
return activityResultInfo.getResultCode() == Activity.RESULT_OK;
}
})
.subscribe(new Observer<ActivityResultInfo>() {
@Override
public void onSubscribe(Disposable d) {}
@Override
public void onNext(ActivityResultInfo activityResultInfo) {}
@Override
public void onError(Throwable e) {}
@Override
public void onComplete() {}
});
如果你正在寻找一种更好的方式来管理onActivityResult,不妨试试这个开源项目,让代码变得更加优雅。如果你觉得有用,别忘了给项目点个Star哦!
登录后查看全文
热门项目推荐
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
Kimi-K2-Thinking暂无简介Python00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
295
2.63 K
暂无简介
Dart
585
127
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++
606
187
deepin linux kernel
C
24
7
🎉 (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
1.05 K
610
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
359
2.3 K
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
760
72
Ascend Extension for PyTorch
Python
124
147
仓颉编译器源码及 cjdb 调试工具。
C++
122
430
仓颉编程语言运行时与标准库。
Cangjie
130
444