WedX - журнал о программировании и компьютерных науках

Настройка AlertDialog со сложным ресурсом строкового массива

У меня есть простое диалоговое окно с предупреждением, как показано ниже, работающее с простым строковым массивом (a). Я хотел бы заменить (а) более сложным строковым массивом (б), но я получаю исключение нулевого указателя, когда диалоговое окно пытается разрешить представление.

Возможно ли это или я что-то не так сделал?

(a)

AlertDialog Code:

  final AlertDialog.Builder dialog = new AlertDialog.Builder(new ContextThemeWrapper(ctx,   R.style.mytheme));
  dialog.setTitle(title);
  dialog.setIcon(R.drawable.ic_launcher);
  dialog.setSingleChoiceItems(R.array.array_items, -1, itemSelectedListener);
  final AlertDialog alertDialog = dialog.create();

array_items.xml:

  <string-array name="array_items">
    <item>option a</item>
    <item>option b</item>
  </string-array>

(b)

array_items_2.xml:

  <string-array name="array_items_2">
    <item>@array/array_items.xml</item>
    <item>@array/array_items.xml</item>
  </string-array>

Второй xml приведет к сбою AlertDialog с NullPointerException.

Я сделал ошибку или это невозможно с помощью AlertDialog без пользовательского представления?


Ответы:


1

Хорошая мысль, но невозможная! Для этого вы должны поддерживать свой xml-файл, содержащий всю информацию/связь, которую вы хотите иметь в виде статических данных, и грамматически вам придется анализировать файл и извлекать информацию. Другими возможными способами являются SQLite, но я не буду предлагать вам попробовать это потому что нет смысла поддерживать таблицу, если вы не собираетесь выполнять операции CRUD или что-то в этом роде.

28.01.2014
Новые материалы

Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..


Для любых предложений по сайту: [email protected]