博客
关于我
DataBinding (二) 事件处理
阅读量:209 次
发布时间:2019-02-28

本文共 935 字,大约阅读时间需要 3 分钟。

Android DataBinding事件处理有两种主要方式:方法引用和Listener绑定。以下是两种方法的详细说明。

方法引用方式

方法引用通常涉及定义一个Handler或Presenter类,并在其中定义与Listener方法签名相同的方法。然后在XML布局文件中调用这些方法。

例如,定义一个Handler类:

public class MyHandlers {    public void onClick(View view) {        // 实现点击事件处理逻辑    }}

在布局文件中使用:

Listener绑定方式

Listener绑定采用Lambda表达式的形式,与方法引用类似,但不受方法签名的限制。这种方式允许在Lambda表达式中自定义参数。

例如,定义一个Presenter类:

public class Presenter {    public void onClick(Task task) {        // 实现点击事件处理逻辑    }}

在布局文件中使用:

flexible实现

由于Lambda表达式的灵活性,还可以实现以下两种写法:

  • 简化写法:
  • android:onClick="@{(view) -> presenter.onClick(viewModel)}"
    1. 带有额外参数的写法:
    2. public class Presenter {    public void onClick(View view, Task task) {        // 实现点击事件处理逻辑    }}android:onClick="@{(view) -> presenter.onClick(view, viewModel)}"

      CheckBox示例

      对于CheckBox,可以使用onCheckedChanged事件:

      三目条件的应用

      当使用三目条件表达式时,可以灵活处理事件处理逻辑。例如:

      android:onClick="@{(v) -> v.isVisible() ? doSomething() : void}"

      这种方式在事件处理只有一个情况下非常有用,可以通过void来代替未使用的逻辑。

    转载地址:http://pbgs.baihongyu.com/

    你可能感兴趣的文章
    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YOLOv8的停车对齐检测
    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>>
    OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
    查看>>
    OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>
    OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 深度学习检测小目标常用方法
    查看>>
    Opencv中KNN背景分割器
    查看>>
    OpenCV中基于已知相机方向的透视变形
    查看>>
    OpenCV中的监督学习
    查看>>
    opencv中读写视频
    查看>>
    opencv之cv2.findContours和drawContours(python)
    查看>>