博客
关于我
Android开发-API指南-<supports-screens>
阅读量:448 次
发布时间:2019-03-06

本文共 1882 字,大约阅读时间需要 6 分钟。

采集(更新)日期:2014-7-3

本文搬迁自原博客:

Android 开发中,

标签 是 用于 定义 应用程序 支持 的 屏幕 尺寸 的 关键 元素。 通过 配置 相关 属性,可以 控制 应用程序 在 不同 屏幕 尺寸 上 的 兼容 模式。 以下 将 分别 介绍 该 元素 的 语法、包含于 等 属性 的 使用方法 以及 其 实现原理。

### 1. 语法

标签 的 典型 使用 方式如下:

### 2. 属性说明

#### 2.1 android:resizeable

指定 应用程序 是否 根据 不同 屏幕 尺寸 自动 调整 窗口 大小。 默认值 为 true。 当 设为 false 时,系统 将 在 较 大 屏幕 上 以 最小尺寸 运行 应用程序。

注意:该属性已 deprecated,建议在升级到 Android 1.6 后,不再使用该属性。

#### 2.2 android:smallScreens

指定 应用程序 是否 支持 小屏幕(小于 normal 屏幕的尺寸)。默认值 为 true。 不支持小屏幕的应用程序 将无法 在 Google Play 等 平台 上 被 安装 或运行。

#### 2.3 android:normalScreens

指定 应用程序 是否 支持 中等屏幕(传统意义上的 HVGA 或类似尺寸)。默认值 为 true

#### 2.4 android:largeScreens

指定 应用程序 是否 支持 较大屏幕(比 normal 屏幕更大)。默认值 不同版本 Android 有所不同,建议手动配置。

#### 2.5 android:xlargeScreens

指定 应用程序 是否 支持 较大屏幕(如平板设备)。默认值 不同版本 Android 有所不同,建议手动配置。

#### 2.6 android:anyDensity

指定 应用程序 是否 适配 所有屏幕密度。默认值 为 true,在 Android 1.6 及以上版本中,默认值 已更改为 true。建议仅在必要时设置为 false

### 3. 新增属性(从 Android 3.2 开始)

为了 提高 屏幕兼容性,Android 3.2 引入了 三个 新的 属性:

#### 3.1 android:requiresSmallestWidthDp

指定 应用程序 所需的 最小屏幕宽度(单位 dp)。 该值 代表屏幕 可用 空间 的 最小 边长,通常 用于 确保 应用程序 在 小屏幕 设备 上 运行。

注意:该属性 在 Android 3.2 及以上版本 中可用,且主要用于 Google Play 过滤机制。 非必要情况下,建议 不 使用 该 属性。

#### 3.2 android:compatibleWidthLimitDp

指定 应用程序 支持 的 最大屏幕宽度(单位 dp)。 该 属性 主要 用于 启用 屏幕兼容 模式,默认值 为 320dp(仅在手持设备上生效)。

注意:由于 屏幕兼容 模式 仅 在 320dp 的屏幕尺寸 下 有用,建议 在 大于 320dp 的屏幕尺寸 上 不 依赖 该 属性。

#### 3.3 android:largestWidthLimitDp

强制 启用 屏幕兼容 模式。当 设备 的 最小屏幕 边长 大于 该 属性 设置的值 时,用户 无法 关闭 屏幕兼容 模式。 该 属性 主要 用于 确保 应用程序 在 大屏幕 设备 上 运行时 的兼容性。

注意:屏幕兼容 模式 仅 在 320dp 的屏幕尺寸 下 有用,建议 在 大于 320dp 的屏幕尺寸 上 不 依赖 该 属性。

### 4. 使用场景

标签 的 主要 用途 在于 定义 应用程序 支持 的 屏幕 尺寸。 当 应用程序 无法 自动 调整 窗口 大小 以适应 不同 屏幕 尺寸 时, 该 标签 可以 用来 启用 或 禁用 屏幕兼容 模式。

### 5. 注意事项

如果 Android 3.2 及以上版本 的 应用程序 不 需要 支持 不同 屏幕 尺寸 的 自动 调整功能, 建议 不 使用

标签 中 的 旧 属性(如 android:resizeable)。 如果 必须 启用 屏幕兼容 模式, 建议 合理 配置
标签 中 的 新属性。

总之,

标签 是 Android 开发 中 的 一项 基本 工作, 正确 配置 可以 提高 应用程序 的 屏幕兼容性, 避免 因 屏幕尺寸 不兼容 而 导致 用户 体验 的 不良。

转载地址:http://mvufz.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>>
VS2003 Front Page Server Extension
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>>