博客
关于我
Glide源码学习五:回调与监听
阅读量:595 次
发布时间:2019-03-11

本文共 2714 字,大约阅读时间需要 9 分钟。

Glide是一个强大的图片加载框架,支持自定义回调和监听,能够满足多种复杂的图片加载需求。在这一篇文章中,我们将深入探讨Glide中回调和监听的实现原理以及实际应用场景。

配置

目录

  • 1. into()方法
  • 2. 预加载方法 preload()
  • 3. 只下载方法 downloadOnly()
  • 4. listener()监听方法

1. into()方法

简单用法

Glide.with(this).load(url).into(imageView);

自定义Target

Glide的into()方法不仅可以接收ImageView,还可以接收自定义的Target实例。

示例

// 创建自定义的SimpleTargetSimpleTarget
simpleTarget = new SimpleTarget
() { @Override public void onResourceReady(Drawable resource, GlideAnimation glideAnimation) { imageView.setImageDrawable(resource); }};Glide.with(this) .load("图片地址") .into(simpleTarget);

2. 预加载方法 preload()

用法

Glide.with(this)    .load(url)    .diskCacheStrategy(DiskCacheStrategy.SOURCE) // 确保预加载的缓存被使用    .preload();

详细说明

Glide在预加载时,会下载图片的原始尺寸,缓存在硬盘中。之后在需要显示的时候,直接从缓存读取,速度加快。为了确保预加载的缓存被读取,可以在后续加载时使用diskCacheStrategy指定策略。

3. 只下载方法 downloadOnly()

用法一(子线程)

class DownloadImageTask extends AsyncTask
{ @Override protected File doInBackground(String... strings) { String url = strings[0]; File imageFile = new File( getExternalStorageDirectory().toString() + "/" + url ); try { FutureTarget
futureTarget = Glide.with(getBaseContext()) .load(url) .downloadOnly(Target.SIZE_ORIGINAL, Target.SIZE_ORIGINAL); return futureTarget.get(); } catch (Exception e) { e.printStackTrace(); return null; } }}

用法二(自定义Target)

public class MyDownloadTarget implements Target
{ @Override public void onResourceReady(File file, GlideAnimation animation) { // 处理文件 }}

Glide在子线程下载图片,确保不影响主线程性能。通过FutureTarget实现非阻塞下载,适合在子线程中使用。

4. listener()监听方法

用法示例

Glide.with(this)    .load(url)    .listener(new RequestListener
() { @Override public boolean onResourceReady(Resource resource, String model, Target
target, boolean isFromMemoryCache, boolean isFirstResource) { // 在图片加载完成时调用此方法 return false; } @Override public boolean onException(Exception e, String model, Target
target, boolean isFirstResource) { // 在图片加载失败时调用此方法 return false; } }) .into(imageView);

通过提供一个RequestListener实例,可以接收图片加载成功和失败的事件,从而实现对图片状态的监听和处理,尤其适用于错误处理和状态跟踪。

实现细节

into()方法的内部逻辑

Glide将图片加载完成后,调用ImageViewsetImageDrawable(),展示图片。同时,触发onResourceReady回调,供自定义逻辑处理。

preload()downloadOnly()的实现原理

这两个方法通过构建特定类型的Target(如PreloadTarget),在后台下载图片,确保缓存的准备。

listener()的实现机制

Glide在GenericRequest类中维护一个RequestListener,在图片加载过程中触发回调,支持自定义事件处理。

总结

通过以上方法,可以灵活控制Glide图片加载过程,从自定义Target,预加载,仅下载,到添加自定义监听,都能满足不同场景的需求。掌握这些技巧,有助于优化应用性能和用户体验。

转载地址:http://yfttz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
查看>>
OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
查看>>
OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
查看>>
OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>