`
h416756139
  • 浏览: 368108 次
  • 性别: Icon_minigender_1
  • 来自: 北京
社区版块
存档分类
最新评论

Windows Phone 7 UI设计和交互规范随笔(2)

    博客分类:
  • WP7
 
阅读更多

书接上回,本文再来谈谈《Windows Phone 7设计和交互规范》中的剩余部分,包括文本、标点符号、触控、屏幕键盘、物理键盘、屏幕以及其他硬件。 

文本

这份规范实在是太细致了,以至于它对Windows Phone 7应用的文本格式都做了详细的规定和建议,虽然许多内容并不是针对中文的,但了解一下也无妨。

Windows Phone 7内建的Unicode字体支持东亚语言(中韩日),开发人员也可以在应用中内置字体。字体尺寸请勿小于15pt,否则难以阅读。

应用中出现的文本应当使用自然语言,而不是机械的计算机语言。

建议使用Windows Phone 7内置的文本样式,而不是硬编码自定义样式。

如果开发英文应用,则需要注意在什么情况下需要大小写敏感。在页面标题、列表标题、列表组标题、列表项、用于执行命令的按钮、搜索框中的示例文本以及文本当中的链接里可以将单词的所有字母小写。在复选框、单选框、进度指示器、开关控件以及表示状态、通知和说明的文本中建议使用大小写敏感的单词形式。而在应用的标题和日期时间文本中建议将单词的所有字母大写。

此外,这份规范还事无巨细地提到了标点符号的正确使用方法:

  • 【&】:可以使用
  • 【:】:应当在引入数字或者变量时使用,譬如:“载入百分比:60% ”,不要用在控件的标签文本末尾以及组标题或列标题末尾。
  • 【…】:应当在进度指示器的标签中使用,不要用在标题和按钮中。
  • 【。?!】结束符号:可以用在教学性的文本中,问号也可以用在错误消息或对话框的标题中,但不要用在其他标题、按钮、复选框以及单选框的标签中。结束符号后边应当再使用空格来分隔句子。此外,应该避免在标签中使用句子。
  • 【()】:尽量避免使用。

触控

Windows Phone 7支持单点触控和多点触控,其中单点触控支持的手势包括:

  • Tap:轻触并离开屏幕
  • Double Tap
  • Pan:滑动,手指离开屏幕后结束
  • Flick:快速滑动,手指提起后结束
  • Touch and Hold:按下一段时间,用于显示上下文菜单

多点触摸支持的手势叫做Pinch and Stretch,既两指触屏,靠近或离开。

由于手指和鼠标所能达到的精确度不同,触控应用的UI设计和传统的用鼠标来控制的应用有很大差别。比如在触控应用的交互设计中,触控目标没有所谓的Hover状态;而其由于Windows Phone 7不支持导航键,所以触控目标也没有Focus状态。

为了使触控更加轻松,触控目标的边长不应该小于34像素(特殊情况也不要小于26像素),控件之间的间隔至少8像素。当触摸发生后,要立即提供可视化的反馈或者声音反馈。

此外,常用任务都应该能用单手完成,不建议将手势作为快捷方式使用。

除了触摸之外,Windows Phone7手机还支持多种输入方法:屏幕键盘、物理键盘、麦克风、手机物理按键、感应器,但并不是所有的输入方法都向开发人员开放。

屏幕键盘

屏幕键盘在竖屏时的高度为336像素,在横屏时的高度为256像素,输入建议面板的高度是65像素。

开发人员应当根据文本框的输入类型为其设置输入范围,以便Windows Phone 7弹出适当的屏幕键盘。

Windows Phone 7中的屏幕键盘类型包括:

  • Default:标准QWERTY布局
  • Text:标准布局,包括ASCII表情
  • Email Address:标准布局,包括.com和@键
  • Phone Number:经典12键布局
  • Web Address:标准布局,包括.com键和自定义回车键
  • Maps:标准布局,包括自定义回车键
  • Search:半透明布局,包括Search键和.com键
  • SMS Address:标准布局,包括可以轻易访问电话号码的布局

屏幕键盘可以自动弹出,但建议仅当页面中不多于两个文本框时才自动弹出屏幕键盘。

硬件

所有Windows Phone 7手机都配备了分辨率为800×480像素的WVGA屏幕。

屏幕有三种方向:Portrait、Landscape Left和Landscape Right,后两者为横屏。横屏时,用于显示电量和时间等信息状态栏会从32像素的高度变为72像素的宽度。屏幕在旋转时,系统会产生动画效果,开发人员不必编写自己的效果。

应用可以选择是否支持横屏或竖屏,但不能以编程的方式修改屏幕方向。由于手机可能会配备横向侧滑键盘,所以支持文字输入的应用应该总是支持横屏。

支持横屏是需要编写代码的,一旦支持横屏,就必须同时支持Landscape Left和Landscape Right两种方向。

Windows Phone 7的物理按键包括电源键(睡眠键)、音量调高键、音量调低键、拍照键、后退键、开始键和搜索键。其中开始键、电源键、音量键、拍照键和搜索键的行为是开发人员无法控制的,当用户按下这些键时,有可能导致当前应用被暂停,开发人员应当为此做好准备。

Windows Phone 7会记录应用中页面的跳转情况,并为页面保存快照,当用户按下后退键时,系统会打开上一个页面的快照,由于是快照,所以数据可能并不是最新的。开发人员可以控制后退键的行为,但后退键的本意是向后导航,所以不要将其移做他用。

崇尚简约的iOS设备没有这一按键,所以在iOS应用的UI上常常能看到一个“返回”按钮,Android虽然有物理后退键,但因为缺乏官方的有力引导,许多Android并没有好好利用好这一按键,而是去盲目的模仿iOS应用。譬如新浪微博的官方Android客户端,完全可以把“微博正文”这一栏去掉,节省空间用来展示真正的微博正文。

Windows Phone 7手机可以配备物理键盘,但只允许QWERTY、AZERTY和QWERTZ这三种布局,并且对按键做了严格的要求,除了必须的A-Z字母键之外,还必须有表情键等按键。Android并没有对物理键盘做太多规定,导致在使用物理键盘时不能方便的使用第三方输入法提供的许多功能(譬如表情)。

此外,Windows Phone 7的物理键盘不支持任何形式的导航和定位键,这一点也和Android有所不同。

开发人员可以通过API来查询物理键盘的状态。

Windows Phone 7手机内置的感应器包括:加速器、A-GPS、近距离感应器、摄像头、指南针、光线感应器,据说大多数都对开发人员开放。

其他硬件包括FM模块、蓝牙、闪光灯、对焦灯、Micro SD、Micro USB、Wi-Fi。

在硬件方面,iOS设备始终由苹果自己操刀,保守但很稳妥;Android是开源项目,并且对硬件限制很少,这种开放的好处是设备型号繁多,坏处是这些设备的硬件参差不齐、厂商的开发能力良莠不一,使得目前Android世界处于一片混乱当中、用户经常会遇到由于系统版本、分辨率、硬件性能等等带来的体验挑战。

而Windows Phone 7对硬件的各个方面都有严格的要求,这样既能保证设备的多样性,又能保证用用户体验的一致性,可以说在吸取了双方的优点的同时又摒弃了双方的缺点,这是我看好Windows Phone 7的一个原因。

分享到:
评论

相关推荐

    数据连接分析

    - **SIM状态枚举**:`SIMConnState`枚举中的`SIM2_E_E`和`SIM_E_F`常量定义了不同的SIM卡连接状态,这些状态对于理解连接变化非常重要。 **核心功能实现:** - `switchDataDefaultSIM()`:此方法实现了数据连接的...

    【大数据课设】p105出租车数据可视化分析-大数据-实训大作业.zip

    项目资源包含:可运行源码+数据集+文档 python + numpy, pandas, matplotlib, pyecharts, wordcloud 适用人群:学习不同技术领域的小白或进阶学习者;可作为课程设计、大作业、工程实训或初期项目立项。 数据来源:数据集taxis.csv从网络下载 数据清洗:异常值与缺失值的处理:有一些数据distance(乘车距离)为零而且上下车地点为空,还有些一些数据的payment(支付方式)为空。 数据预处理:将列名更改成中文 标准化与归一化: 数据分析: 数据可视化:

    TypeScript 入门教程

    TypeScript 入门教程

    人脸识别_课堂考勤_OpenCV_服务端系统_1741777828.zip

    人脸识别项目实战

    历届电赛试题及综合测评(真题+模拟题)

    本资源汇总了 历届全国电子设计竞赛(电赛)真题+模拟题,涵盖 电路设计、嵌入式系统、信号处理、自动控制等核心考点,并提供详细解析及综合测评,帮助参赛者高效备赛、查漏补缺、提升实战能力。 适用人群: 适合 准备参加电子设计竞赛的大学生、电赛爱好者、电子信息类相关专业的学生,以及希望提高电子设计和电路分析能力的工程师。 能学到什么: 电赛考察重点:熟悉往届竞赛的命题方向及考核重点。 电路设计与仿真:提升模拟电路、数字电路、单片机等核心技能。 问题分析与解决能力:通过综合测评找到薄弱点并针对性提升。 实战经验:掌握竞赛策略,提高应试效率和设计能力。 阅读建议: 建议先 通读真题,了解题型与解题思路,然后 结合模拟题实战演练,查找不足并通过测评强化练习,逐步提升竞赛能力。

    2024人工智能如何塑造未来产业:AI对各行业组织带来的的变革研究研究报告.pdf

    2024人工智能如何塑造未来产业:AI对各行业组织带来的的变革研究研究报告.pdf

    人脸识别_Golang_SDK_命令行登录_微信小程序应用_1741772240.zip

    人脸识别项目源码实战

    Vulkan原理与实战课程

    给大家分享一套课程——Vulkan原理与实战课程

    SiriYXR_Sokoban11_1741860914.zip

    c语言学习

    海豚鲸鱼数据集 5435张图 正确识别率可达92.6% 可识别:海豚 虎鲸 蜥蜴 海豹 鲨鱼 龟 支持yolov8格式标注

    海豚鲸鱼数据集 5435张图 正确识别率可达92.6% 可识别:海豚 虎鲸 蜥蜴 海豹 鲨鱼 龟 支持yolov8格式标注

    答谢中书书教学设计.docx

    答谢中书书教学设计.docx

    人脸识别_环境搭建_dlib_face_recognitio_1741771308.zip

    人脸识别项目源码实战

    网络技术_Web服务器_C语言_学习交流版_1741863251.zip

    c语言学习

    安卓开发_Gradle配置_React_Native_Meg_1741777287.zip

    人脸识别项目源码实战

    人工智能_深度学习_图像识别_UI界面_项目展示.zip

    人脸识别项目实战

    基于Springboot框架的美发门店管理系统的设计与实现(Java项目编程实战+完整源码+毕设文档+sql文件+学习练手好项目).zip

    本美发门店管理系统有管理员和用户两个角色。用户功能有项目预定管理,产品购买管理,会员充值管理,余额查询管理。管理员功能有个人中心,用户管理,美容项目管理,项目类型管理,项目预定管理,产品库存管理,产品购买管理,产品入库管理,会员卡管理,会员充值管理,余额查询管理,产品类型管理,系统管理等。因而具有一定的实用性。 本站是一个B/S模式系统,采用SSM框架,MYSQL数据库设计开发,充分保证系统的稳定性。系统具有界面清晰、操作简单,功能齐全的特点,使得美发门店管理系统管理工作系统化、规范化。本系统的使用使管理人员从繁重的工作中解脱出来,实现无纸化办公,能够有效的提高美发门店管理系统管理效率。 关键词:美发门店管理系统;SSM框架;MYSQL数据库;Spring Boot 1系统概述 1 1.1 研究背景 1 1.2研究目的 1 1.3系统设计思想 1 2相关技术 2 2.1 MYSQL数据库 2 2.2 B/S结构 3 2.3 Spring Boot框架简介 4 3系统分析 4 3.1可行性分析 4 3.1.1技术可行性 4 3.1.2经济可行性 5 3.1.3操作可行性 5 3.2系

    Python实现基于SSA-CNN-GRU麻雀算法优化卷积门控循环单元数据分类预测的详细项目实例(含完整的程序,GUI设计和代码详解)

    内容概要:本文档介绍了基于SSA-CNN-GRU麻雀算法优化卷积门控循环单元数据分类预测的详细项目实例,重点讲述了该项目的背景、目标、挑战与解决方案、技术特点、应用领域等方面的内容。文档详细记录了从项目启动、数据预处理、算法设计(SSA优化CNN-GRU模型)、构建与评估模型到实现美观的GUI界面整个过程,并讨论了防止过拟合的技术如正则化、早停和超参数优化。另外还涵盖了项目扩展的可能性、部署和应用策略、需要注意的地方以及未来改进的方向。全文强调了模型的泛化能力和计算效率,展示了该混合算法模型在实际应用中的优越性能。 适合人群:具备一定的Python编程经验及机器学习基础知识的研究人员和技术人员;对深度学习、智能优化算法及实际应用感兴趣的学者和从业者;寻求提升数据分析和预测准确性的金融分析师、数据科学家等相关专业人士。 使用场景及目标:本文档非常适合用作学习和参考资料,以掌握如何将SSA、CNN与GRU三种先进技术结合起来进行复杂的分类和预测问题求解。具体应用场景包括但不限于以下几个方面:金融领域——股票价格预测;医疗保健领域——辅助诊断;工业制造——预防性维护;智能家居——个性化服务;以及其他涉及到时序数据分析和多模态数据处理的场合。文档既包含了理论知识又提供了完整的源代码示例,可以帮助读者理解算法原理并通过实践中加深对其的认识。 其他说明:该项目不仅仅是关于算法的设计实现,更是有关于系统的整体架构规划以及工程上的考量,比如环境准备(确保环境洁净、必要包的安装等)、数据准备、GPU配置支持等等。同时文中给出了详细的代码片段,方便开发者理解和复现实验成果。值得注意的是,虽然文中提供了一套通用解决方案,但在真实场景下还需要针对性的调整参数或修改网络结构来达到最好的性能效果。此外,对于追求更高的预测精度或解决更大规模的问题,作者建议进一步探索深度强化学习等高级技术和多任务学习策略,并且考虑使用增量学习让模型能够适应新数据而不必重新训练整个模型。最后提到安全性和隐私保护也是项目实施过程中的重要因素,要妥善保管用户的敏感信息并且做到合法合规地收集和使用数据。

    人脸识别_T形分布_Gabor变换_特征提取_增强鲁棒性_1741777397.zip

    人脸识别项目实战

    13005463562_FaceWeb_1741771809.zip

    人脸识别项目实战

    水下垃圾检测数据集,基于voc和yolo标注的两种格式

    水下垃圾检测数据集,基于voc和yolo标注的两种格式,共23,056个文件,已经划分了训练集和验证集、测试集。并且提供了真实水下的视频数据,可以用作视频推理

Global site tag (gtag.js) - Google Analytics