内容简介:Maybe 你会有这个烦恼,在开发的时候,测试突然告诉你,正式包上有点问题,需要看一下,这时候你打开测试机发现上面装的是测试包,没事,那就卸载了装个正式包呗。然后嘞,正式包的问题确认完了,发现不是 Bug,而是一个 Feature,你需要回到测试包继续开发,结果发现,又得把正式包卸载了然后装个测试包。这一来二去的多麻烦呀~怎么解决呢,有人说,我手里头有两台测试机,一台装正式包,另一台装测试包。我想说,陈独秀同学,你先坐下,咱大多数人都只有一台测试机呀。
Maybe 你会有这个烦恼,在开发的时候,测试突然告诉你,正式包上有点问题,需要看一下,这时候你打开测试机发现上面装的是测试包,没事,那就卸载了装个正式包呗。然后嘞,正式包的问题确认完了,发现不是 Bug,而是一个 Feature,你需要回到测试包继续开发,结果发现,又得把正式包卸载了然后装个测试包。
这一来二去的多麻烦呀~
怎么解决呢,有人说,我手里头有两台测试机,一台装正式包,另一台装测试包。我想说,陈独秀同学,你先坐下,咱大多数人都只有一台测试机呀。
那么,问题来了,怎么实现一台手机上同时安装正式包和测试包呢。这就是本文要解决的问题。
2. 实现一台手机上同时安装正式包和测试包
我们知道,Android 应用的唯一标识是包名,也就是 build.gradle
里的 applicationId
。在一台手机上不允许安装的两个包的唯一标识重复。因此,只需要把测试包的 applicationId
亦即包名改一下就好了~
2.1 修改测试包包名
查阅文档之后发现,Android 官方对这种场景早有支持,只需要在 app/build.gradle
的 android->buildTypes->debug
节点下面设置 applicationIdSuffix
即可,示例如下:
android { // ... buildTypes { debug { minifyEnabled false applicationIdSuffix ".test" // 测试包增加包名后缀 } release { // ... } } //... } 复制代码
2.2 问题来了~编译失败
事情往往不会这么简单,在我修改完 app/build.gradle
之后,sync 一下,发现,编译失败了,译失败了,失败了,败了,了。。。
错误日志如下:
[...] :app:compileDebugJavaWithJavac error: The generated com.xxx.xx.test.R class cannot be found 复制代码
咋办,不知道咋回事儿,看起来像是 AndroidAnnotation 的锅。面向搜索引擎编程,经过一番搜索,发现了这个: Using a debug "applicationIdSuffix" causes compilation errors #1888 。
2.3 问题解决
具体解释参见上述 issue,贴一下解决办法。在 android->defaultConfig
下增加 javaCompileOptions
配置:
javaCompileOptions { annotationProcessorOptions { arguments = [ "resourcePackageName": android.defaultConfig.applicationId ] } } 复制代码
resourcePackageName
这个参数是 AndroidAnnotations
定义的,关于它的具体含义可以参考 这里
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- Metaspolit下配合Ngrok同时实现内网反弹+转发
- Spring Boot-实现Undertow服务器同时支持HTTP2、HTTPS
- Android XML灵活布局之 EditText实现自适应高度同时限制最小和最大高度
- FPGA保持灵活性同时拥有ASIC级AI性能是可实现的吗?
- 实现动态、弹性和细粒度的资源分配和控制,支持同时加速运行多个模型训练
- 开源 UI 库中,唯一同时实现了大表格虚拟化和树表格的 Table 组件 原 荐
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
scikit learn机器学习
黄永昌 / 机械工业出版社 / 2018-3-1 / CNY 59.00
本书通过通俗易懂的语言、丰富的图示和生动的实例,拨开了笼罩在机器学习上方复杂的数学“乌云”,让读者以较低的代价和门槛轻松入门机器学习。本书共分为11章,主要介绍了在Python环境下学习scikit-learn机器学习框架的相关知识。本书涵盖的主要内容有机器学习概述、Python机器学习软件包、机器学习理论基础、k-近邻算法、线性回归算法、逻辑回归算法、决策树、支持向量机、朴素贝叶斯算法、PCA ......一起来看看 《scikit learn机器学习》 这本书的介绍吧!