移动设备的用户越来越多,每天android手机的激活量都已经超过130万台,所以我们面向移动终端的WebAPP也开始跟进了。本文主要介绍webapp的开发与调试的相关知识和经验,以及给出几种可选的解决方案。
一、基本概念(1) CSS pixels与device pixelsCSS pixels: 浏览器使用的抽象单位, 主要用来在网页上绘制内容。
device pixels: 显示屏幕的的最小物理单位,每个dp包含自己的颜色、亮度。
等值的 CSS pixels在手机屏幕上占多大的位置,这不是固定的,这取决于很多属性。经过分析和总结,我们可以得出这么一条公式: 1 CSS pixels = (devicePixelRatio)^2 device pixels (^2是平方的意思,至于 devicePixelRatio是什么东西,后面会讲解) 。
(2) PPI/DPIPPI,有时也叫DPI,所表示的是每英寸所拥有的像素(pixel)数目,数值越高,即代表显示屏能够以越高的密度显示图像。(注:这里的像素,指的是device pixels。)搞清楚了PPI是什么意思,我们就能很容易理解PPI的计算方式了,我们需要首先算出手机屏幕的对角线等效像素,然后处以对角线(我们平常所说的手机屏幕尺寸就是说的手机屏幕对角线的长度),就可以得到PPI了。准确的计算公示大家可以参照下图。比较有意思的是,根据公式计算出来的iPhone 4的PPI为330,要比苹果官方公布的326要高一点点。
同理,以HTC G7为例,480*800的分辨率,3.7英寸,算出来就是252的PPI。
(3) 密度决定比例我们计算PPI就是为了知道一部手机设备是属于哪个密度区间的,因为不同的密度区间,对应着不同的默认缩放比例,这是一个很重要的概念。
由上图可知,PPI在120-160之间的手机被归为低密度手机,160-240被归为中密度,240-320被归为高密度,320以上被归为超高密度(Apple给了它一个上流的名字——retina)。
这些密度对应着一个特定的缩放比例值,拿我们最熟悉的iphone4或4s来说,它们的PPI是326,属于超高密度的手机。当我们书写一个宽度为320px的页面放到iphone中显示,你会发现,它竟然是满宽的。这是因为,页面被默认放大了两倍,也就是640px,而iphone4或4s的宽,正是640px。
图中把高密度的一类圈起来,是因为这是android手机的统计数据,在国内安卓手机市场中,高密度的设备占了绝大多数的市场份额,这是很重要的一点,也是我们做安卓端webapp要注意的关键点。
(4) viewport的使用viewport总共有5个属性,分别如下:
在这些属性里面,我们重点关注target-densitydpi,这个属性可以改变设备的默认缩放。medium-dpi是target-densitydpi的默认值,如果我们显式定义target-densitydpi=device-dpi,那么设备就会按照真实的dpi来渲染页面。打个比方说,一张320*480的图片,放在iphone4里面,默认是占满屏幕的,但如果定义了target-densitydpi=device-dpi,那么图片只占屏幕的四分之一(二分之一的平方),因为iphone4的分辨率是640*960。
二、解决方案(1) 简单粗暴如果我们按照320px宽的设计稿去制作页面,并且不做任何的设置,页面会默认自动缩放到跟手机屏幕相等的宽度(这是由于 medium-dpi是target-densitydpi的默认值,和不同密度对应不同缩放比例所决定的,这一切都是移动设备自动完成的 )。所以这种解决方案,简单,粗暴,有效。但有一个致命的缺点,对于高密度和超高密度的手机设备,页面(特别是图片)会失真,而且密度越多,失真越厉害。
(2) 极致完美在这种方案中,我们采用 target-densitydpi=device-dpi,这样一来,手机设备就会按照真实的像素数目来渲染,用专业的话来说,就是1 CSS pixels = 1 device pixels。比如对于 640*960的 iphone,我们就可以做出 640*960的页面,在iphone上显示也不会有滚动条。当然,对于其他设备,也需制作不同尺寸的页面,所以这种方案往往是使用媒体查询来做成响应式的页面。这种方案可以在特定的分辨率下完美呈现,但是随着要兼容的不同分辨率越多,成本就越高,因为需要为每一种分辨率书写单独的代码。下面举个简单的例子:
(3) 合理折中针对安卓设备绝大多数是高密度,部分是中密度的特点,我们可以采用一个折中的方案:我们对480px宽的设计稿进行还原,但是页面制却做成320px宽(使用background-size来对图片进行缩小),然后,让页面自动按照比例缩放。这样一来,低密度的手机有滚动条(这种手机基本上已经没有人在用了),中密度的手机会浪费一点点流量,高密度的手机完美呈现,超高密度的手机轻微失真(超高密度的安卓手机很少)。这种方案的优点非常明显:只需要一套设计稿,一套代码(这里只是讨论安卓手机的情况)。
相关推荐
- 学习移动端WebApp开发的必备知识,了解如何优化用户体验,减少流量消耗。 通过以上步骤,开发者可以高效地将ThinkPHP项目转化为适配移动设备的应用,实现跨平台的HybridApp开发,同时利用ThinkPHP的便利性和强大...
专业技能方面,该简历模板涵盖了多个技术栈,包括 HTML、CSS、JavaScript、响应式布局、弹性盒布局、HTML5、WebApp、移动端适配、CSS3、JSON、LocalStorage、SessionStorage、Cookie、本地存储、HTTP 协议、ES6、...
【HTML/CSS/JS 掌握情况】:面试者应具备扎实的HTML基础,了解常用标签如`div`, `a`, `p`, `span`, `...同时,对新技术如HTML5/CSS3、WebApp、移动端框架(如jQuery Mobile)的理解以及解决开发问题的能力也非常重要。
内容概要:本文详细对比了传输层协议TCP和UDP的特点及其应用场景。TCP是面向连接的协议,提供可靠的数据传输服务,通过确认应答、重传机制、拥塞控制等技术确保数据的完整性和顺序性。UDP则是无连接的协议,提供尽力而为的服务,不保证数据的可靠性,但具有更高的传输效率。文章还介绍了TCP的三次握手、滑动窗口、拥塞控制机制,以及UDP的报文结构、端口号使用、错误检测机制等。此外,文中通过选择题的形式探讨了两者在不同场景下的适用性,如TCP适用于文件传输、网页浏览等需要高可靠性的场景,而UDP则适用于实时音视频传输等对延迟敏感的场景。 适合人群:计算机网络相关专业的学生、网络工程师以及对传输层协议感兴趣的IT从业者。 使用场景及目标:①帮助读者理解TCP和UDP的工作原理及差异;②指导读者根据实际需求选择合适的传输层协议;③为网络编程和系统设计提供理论依据。 其他说明:本文以问答形式呈现知识点,便于记忆和理解。同时,文中涉及的选择题不仅考察了基本概念,还涵盖了协议的具体实现细节,有助于加深读者对传输层协议的理解。
实验二 数码管显示驱动设计
(WORD) 土木工程类外文文献翻译 建筑结构.doc
内容概要:本文详细介绍了西门子S7-200 Smart PLC与台达DT330温控器通过RS485接口进行Modbus RTU通讯的方法。首先,文中阐述了双方设备的通讯参数设置,确保波特率、校验位等参数的一致性。接着,展示了PLC端的轮询控制逻辑,采用定时器和状态机来管理读写操作,避免数据冲突。对于具体的读写操作,提供了详细的寄存器地址映射规则以及数据类型的转换方法,解决了台达温控器特有的寄存器地址偏移问题。此外,还分享了一些实用的调试技巧,如使用串口助手抓包验证通讯效果,以及针对常见错误码的解决方案。最后,在触摸屏方面,利用昆仑通态MCGS组态软件实现了温度数据显示和设定的功能。 适合人群:从事工业自动化领域的工程师和技术人员,特别是那些需要进行PLC与温控器通讯集成工作的人员。 使用场景及目标:适用于需要将西门子S7-200 Smart PLC与台达DT330温控器进行通讯连接并实现温度监控的应用场合。主要目的是掌握正确的通讯配置步骤,理解Modbus RTU协议的具体应用,提高系统的可靠性和稳定性。 其他说明:文中提到的所有代码均已经过实际测试,并附带详细的注释,便于读者理解和学习。同时强调了硬件连接的重要性,给出了接线建议,帮助初学者少走弯路。
内容概要:本文介绍了一种利用YOLOv8进行实时车辆检测并将检测结果与SUMO交通仿真软件联动的方法。系统分为三个主要模块:实时检测模块使用YOLOv8对摄像头捕获的画面进行车辆检测;坐标转换模块将检测到的车辆坐标从摄像头坐标系转换为SUMO的经纬度坐标系;仿真控制模块通过TraCI协议向SUMO中添加新的虚拟车辆并控制其行为。文中详细介绍了各个模块的具体实现方法和技术细节,如YOLOv8的部署方式、坐标转换的数学处理以及SUMO中车辆生成和控制的具体步骤。此外,作者还分享了一些优化技巧,如使用卡尔曼滤波减少跟踪抖动、采用ZeroMQ提高通信效率等。 适用人群:对机器视觉、交通仿真感兴趣的开发者,尤其是有一定Python编程基础的研究人员。 使用场景及目标:适用于研究智能交通系统的实时监测与模拟,帮助研究人员更好地理解和优化交通流量管理。具体应用场景包括但不限于:交通流量分析、交通事故预警、智能交通信号控制等。 其他说明:文中提供了完整的代码片段和详细的实施步骤,便于读者快速搭建类似的实验环境。同时,作者也指出了现有系统的不足之处,并提出了未来改进的方向,如加入交通信号灯控制、优化路径预测等。
光伏硅片收集机sw19可编辑_三维3D设计图纸_三维3D设计图纸.zip
labview 动态调用DLL模块,适合初学者学习如何调用DLL文件
轴承压装机sw20可编辑_三维3D设计图纸_三维3D设计图纸.zip
全国农业科技创新重点领域(2024–2028年).docx
毕业土木工程专业实习日记20篇 .doc
基于STM32设计的数字示波器全套资料(原理图、PCB图、源代码) 硬件平台: 主控器:STM32F103ZET6 64K RAM 512K ROM 屏幕器:SSD1963 分辨率:480*272 16位色 触摸屏:TSC2046 模拟电路: OP-TL084 OP-U741 SW-CD4051 CMP-LM311 PWR-LM7805 -LM7905 -MC34063 -AMS1117-3.3 DRT-ULN2003 6.继电器:信号继电器 7.电源:DC +12V 软件平台: 开发环境:RealView MDK-ARM uVision4.10 C编译器:ARMCC ASM编译器:ARMASM 连机器:ARMLINK 实时内核:UC/OS-II 2.9实时操作系统 GUI内核:uC/GUI 3.9图形用户接口 底层驱动:各个外设驱动程序 数字示波器功能: 波形发生器:使用STM32一路DA实现正弦,三角波,方波,白噪声输出。 任意一种波形幅值在0-3.3V任意可调、频率在一定范围任意可调、方波占空比可调。调节选项可以通过触摸屏完成设置。 SD卡存储: SD卡波形存储输出,能够对当前屏幕截屏,以JPG格式存储在SD卡上。能够存储1S内的波形数据,可以随时调用查看。 数据传输:用C#编写上位机,通过串口完成对下位机的控制。(1)实现STOP/RUN功能(2)输出波形电压、时间参数(3)控制截屏(4)控制波形发生器(5)控制完成FFT(6)波形的存储和显示 图形接口: UCGUI 水平扫速: 250 ns*、500ns、1μs、5 μs、10μs、50μs、500 μs、5ms 、50ms 垂直电压灵敏度:10mV/div, 20mV/div, 50mV/div, 0.1V/div, 0,2V/div, 0.5V/div, 1V/div,2V/
内容概要:本文详细介绍了如何利用Simulink进行磁链观测器的仿真建模,并通过STM32F4芯片实现磁链观测器的实际应用,特别是在零速闭环启动方面的实现。文中首先使用Simulink 2018b搭建了仿真模型,通过调整电机参数(如电阻、电感等)来验证磁链观测器的设计合理性。接着,在Keil环境下编写并编译了适用于STM32F4的嵌入式代码,实现了磁链观测和零速闭环启动功能。此外,作者还翻译了一篇相关英文文献,提供了详细的理论背景和技术细节。整个过程中,作者分享了许多实用技巧和注意事项,如电流采样的时序控制、滑模观测器的实现、高频注入法用于初始位置检测等。 适合人群:从事电机控制领域的工程师和技术爱好者,尤其是对磁链观测器及其应用感兴趣的读者。 使用场景及目标:① 学习如何使用Simulink进行复杂控制系统的仿真建模;② 掌握STM32F4芯片在电机控制中的应用,特别是磁链观测器的实现;③ 实现电机的零速闭环启动,确保电机从静止状态平稳加速。 其他说明:本文不仅提供了完整的代码实现和仿真模型,还包括了详细的理论讲解和调试经验,有助于读者全面理解和掌握磁链观测器的技术要点。
基于mutisim仿真的电压表测量显示设计(仿真图) 使用数字电路实现模数转换,然后以十进制显示在数码管上。 仿真使用mutisim14 电路可用于模拟转换显示,比如:温度计、电压表等 只需要把ADC的输入电压替换即可。 数值显示在数码管上。
2023-04-08 项目笔记-第一阶段-第2节-分支和循环语句-3.3.2执行流程 3.3.3do语句的特点 3.3.4do while循环中的break和continue 3.4练习 3.4.1练习参考代码:3.4.2折半查找算法 3.4.3猜数字游戏实现 4.goto语句 5.本章完-2025-04-05
(注意只有前端界面),实现了舰船检测系统可视化操作平台的前端界面,采用左侧导航栏与右侧功能区块的模块化布局,提供实时摄像头检测、批量图片/视频分析、数据统计报告生成以及日志追溯四大核心功能。每个模块均配备说明文字与直达按钮(如"进入实时检测"),支持用户快速切换检测模式、查看可视化分析结果及系统日志。
内容概要:本文详细介绍了将BP神经网络作为弱分类器与Adaboost相结合的方法,形成强大的集成分类器。首先阐述了BPAdaboost的基本概念,即利用BP神经网络的基础学习能力并通过Adaboost动态调整训练数据权重,使后续BP网络能够专注于之前分类错误的样本。接着展示了具体的代码实现,包括使用sklearn库创建BP神经网络和Adaboost分类器,以及自定义SimpleBP类和BPAdaBoost类进行训练和预测。文中还讨论了调参技巧如控制BP网络的隐藏层数、设置合适的学习率、避免过拟合等问题,并指出该模型在处理中小型结构化数据(如金融风控、医疗诊断)方面的优越性。 适合人群:对机器学习有一定了解并希望深入研究集成学习方法的研究人员和技术开发者。 使用场景及目标:适用于需要提高分类精度的任务,特别是在面对特征空间复杂的数据集时。通过组合多个弱分类器,可以有效提升模型的整体性能,同时保持良好的泛化能力和抗噪性。 其他说明:文中提供了详细的代码示例和理论解析,帮助读者更好地理解和应用这一先进的集成学习技术。此外,还提到了一些常见的陷阱和优化建议,有助于指导实际项目的开发。