【原始碼解析】Launcher 8.0原始碼（6）---Launcher的原始碼啟動過程第一步之InvariantDeviceProfile獲取硬...

摘要： 獲取硬體引數是在InvariantDeviceProfile中進行的，確定佈局引數是在DeviceProfile中進行的，本篇文章就對這個至關重要的一步進行詳細分析 InvariantDeviceProfile構造方法 我們來看InvariantDeviceProfi...

獲取硬體引數是在InvariantDeviceProfile中進行的，確定佈局引數是在DeviceProfile中進行的，本篇文章就對這個至關重要的一步進行詳細分析

InvariantDeviceProfile構造方法

我們來看InvariantDeviceProfile的構造方法，構造方法一開始是獲取是獲取獲取硬體引數

首先需要獲取系統元件windowmanager、Display 、DisplayMetrics 。而後獲取長和寬的px值通過螢幕密度切換成螢幕的實際物理尺寸。最終得到minWidthDps 和minHeightDps 這兩個手機的實際長和寬。

WindowManager wm = (WindowManager) context.getSystemService(Context.WINDOW_SERVICE);
Display display = wm.getDefaultDisplay();
DisplayMetrics dm = new DisplayMetrics();
display.getMetrics(dm);

Point smallestSize = new Point();
Point largestSize = new Point();
display.getCurrentSizeRange(smallestSize, largestSize);

// This guarantees that width < height
minWidthDps = Utilities.dpiFromPx(Math.min(smallestSize.x, smallestSize.y), dm);
minHeightDps = Utilities.dpiFromPx(Math.min(largestSize.x, largestSize.y), dm);

獲取到手機的實際長寬以後就走到最關鍵的兩個方法

ArrayList<InvariantDeviceProfile> closestProfiles = findClosestDeviceProfiles(
minWidthDps, minHeightDps, getPredefinedDeviceProfiles(context));

InvariantDeviceProfile interpolatedDeviceProfileOut =
invDistWeightedInterpolate(minWidthDps,minHeightDps, closestProfiles);

這兩個方法的引數都傳入了手機的實際寬高minWidthDps,minHeightDps，不同的是在findClosestDeviceProfiles方法中呼叫了getPredefinedDeviceProfiles（context）這個方法。

其實這個方法主要做的事情就是解析xml佈局R.xml.device_profiles返回一個型別為InvariantDeviceProfile的ArrayList集合。具體的程式碼比較多，就不貼了。

device_profiles的xml檔案

對於這個xml檔案是由很多profile檔案組成，其中一個.

<profile
launcher:name="Short Stubby"
launcher:minWidthDps="275"
launcher:minHeightDps="420"
launcher:numRows="3"
launcher:numColumns="4"
launcher:numFolderRows="3"
launcher:numFolderColumns="4"
launcher:minAllAppsPredictionColumns="4"
launcher:iconSize="48"
launcher:iconTextSize="11"
launcher:numHotseatIcons="5"
launcher:defaultLayoutId="@xml/default_workspace_4x4"
/>

在這個profile中有很多的屬性，包括最小的寬高minWidthDps和minHeightDps，佈局的行列數，資料夾的行列數，allapp的行列數，圖示大小，圖示名字代銷，快捷欄圖示大小，快捷欄圖示數，以及預設佈局檔案。這些引數都需要在後面獲取到。

在這11個profile中從

launcher:minWidthDps="255" launcher:minHeightDps="300"

到

launcher:minWidthDps="1527"launcher:minHeightDps="2527"

所有的裝置都包含了。

findClosestDeviceProfiles()

接著我們來回過頭來看一些findClosestDeviceProfiles(minWidthDps, minHeightDps, getPredefinedDeviceProfiles(context))這個方法。

ArrayList<InvariantDeviceProfile> findClosestDeviceProfiles(
final float width, final float height, ArrayList<InvariantDeviceProfile> points) {

// Sort the profiles by their closeness to the dimensions
ArrayList<InvariantDeviceProfile> pointsByNearness = points;
Collections.sort(pointsByNearness, new Comparator<InvariantDeviceProfile>() {
public int compare(InvariantDeviceProfile a, InvariantDeviceProfile b) {
return Float.compare(dist(width, height, a.minWidthDps, a.minHeightDps),
dist(width, height, b.minWidthDps, b.minHeightDps));
}
});

return pointsByNearness;
}

points就是我們通過解析R.xml.device_profiles這個佈局來獲得的型別為InvariantDeviceProfile的ArrayList，賦值給pointsByNearness ，然後進行排序，排序方式是呼叫Collections.sort的第二種方式自定義比較器來實現的ofollow,noindex">關於Collections.sort的講解友情連結 比較的。在自定義比較器的方法中採用浮點型別的比較方法Float.compare（f1,f2），此方法返回值0，則f1在數值上等於f2; 返回值小於0，f1在數值上比f2小; 返回值大於0，f1在數值上比f2大.而真正的演算法是在dist方法中。

@Thunk float dist(float x0, float y0, float x1, float y1) {
return (float) Math.hypot(x1 - x0, y1 - y0);
}

我們可以看到使用了Math.hypot,此方法返回的結果是sqrt(x2 +y2) ，也就是直角三角形的斜邊長，其實就是手機螢幕的對角線的長度即手機尺寸。

dist方法得到的結果是讀取的profile的斜邊長度與手機螢幕的對角線的長度的一個差值。最後進行compare，差值小的在前面，差值大的在後面。之後將新的排序返回。這就是findClosestDeviceProfiles方法做的事情。

總結一下findClosestDeviceProfiles：通過將手機實際尺寸和理論的11個模板的理論尺寸進行比較，得到與目標的匹配度，匹配度越高，在closestProfiles的集合裡面越靠前。

講解完InvariantDeviceProfile構造方法中的findClosestDeviceProfiles方法，我們接著來看第二個精華的地方，那就是 invDistWeightedInterpolate(minWidthDps,minHeightDps, closestProfiles);這個方法

invDistWeightedInterpolate（）

呼叫這個方法時傳進去的引數是當前手機真實的寬和高，以及經過排序後得到的與目標匹配度由高到低的profiles集合。

InvariantDeviceProfile invDistWeightedInterpolate(float width, float height,
ArrayList<InvariantDeviceProfile> points) {
float weights = 0;
//獲取集合中的第一個InvariantDeviceProfile，也就是匹配度最高的那一個
InvariantDeviceProfile p = points.get(0);
//判斷如果當前手機與profile的差值等於0，則直接返回這個InvariantDeviceProfile。
if (dist(width, height, p.minWidthDps, p.minHeightDps) == 0) {
return p;
}

InvariantDeviceProfile out = new InvariantDeviceProfile();
for (int i = 0; i < points.size() && i < KNEARESTNEIGHBOR; ++i) {
p = new InvariantDeviceProfile(points.get(i));
float w = weight(width, height, p.minWidthDps, p.minHeightDps, WEIGHT_POWER);
weights += w;
out.add(p.multiply(w));
}
return out.multiply(1.0f/weights);
}