博客
关于我
android res资源文件分包
阅读量:236 次
发布时间:2019-03-01

本文共 483 字,大约阅读时间需要 1 分钟。

在Android开发中,资源文件的管理是开发者需要经常处理的内容。假设你在项目中需要将布局文件分成不同的活动目录,那么Gradle配置是必不可少的一步。

在app的build.gradle文件中,修改sourceSets部分如下:

sourceSets {    main {        res.srcDirs = ['src/main/res', 'src/main/res/layout/activity']    }}

接下来,在res目录下创建activity层级目录,将布局文件放入该目录。建议目录结构如下:

src/    main/        res/            activity/                layout/                    activity_layout.xml

这样配置后,开发者可以方便地在不同的活动中使用对应的布局文件。记得不要将drawable等其他目录放入activity目录中,以避免文件混乱。

这种方法虽然需要多层目录,但能够让文件分类更清晰,避免了手动输入冗长路径的麻烦。

转载地址:http://bhft.baihongyu.com/

你可能感兴趣的文章
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传统方法实现密集圆形分割与计数(详细步骤 + 代码)
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 | 使用姿态估计算法构建简单的健身训练辅助应用程序
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 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
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>>