博客
关于我
Silverlight学习笔记:资源的位置
阅读量:428 次
发布时间:2019-03-06

本文共 1267 字,大约阅读时间需要 4 分钟。

在Web项目中,我们不可避免地需要使用图片、音频、视频、字体等非可执行的数据文件,这些通常被称为资源文件。在Silverlight中,资源文件的引用方法有多种,下面将从实际操作角度对其进行详细介绍。

一、资源文件的引用方法

Silverlight应用程序的资源文件可以通过以下几种方式引用:

  • 嵌入应用程序包

    这是最常见的引用方式。资源文件会被嵌入到生成的XAP文件中。这种方式的缺点是增加了XAP文件的大小,但它的简单性和普遍性使其成为开发者常用的选择。

  • 按需检索

    如果资源文件不需要立即加载,可以通过从外部地址(如网站的ClientBin目录)动态加载的方式实现。这种方式适合资源文件较大或加载频率较低的情况。

  • 嵌入程序集

    如果需要将资源文件作为程序集的一部分嵌入,可以通过将资源文件添加到项目中,并设置其Build Action为"Resource"。这种方式与嵌入应用程序包的效果类似,但在某些场景下可能更灵活。

  • 按需检索的程序集嵌入

    这种方式结合了嵌入程序集和按需加载的优点。资源文件会被嵌入到程序集中,但在需要时会动态加载,这样既减小了XAP文件的大小,又提高了加载效率。

  • 二、Build Action的配置

    在Silverlight项目中,资源文件的引用还与其Build Action的设置密切相关。Build Action有三种常见设置:

  • Resource(默认设置)

    选择这个选项会将资源文件嵌入到生成的XAP文件中。这种方法适用于需要将资源文件直接嵌入到应用程序中的场景。

  • Content

    选择这个选项会将资源文件作为内容文件处理。这种方式通常用于需要在XAML中引用静态资源(如字体文件)的情况,资源文件不会被嵌入到XAP文件中,而是保留在项目目录中。

  • None

    选择这个选项表示资源文件不会被嵌入到XAP文件中,而是作为外部文件加载。这种方式适用于需要从特定路径或服务器动态加载资源文件的情况。

  • 三、资源文件的引用最佳实践

  • 资源文件的存储位置

    • 如果选择"Resource"或"None",则资源文件应放置在与Silverlight应用程序同一目录中的ClientBin子目录中。
    • 如果选择"Content",则资源文件应放置在项目目录中。
  • 相对路径与绝对路径

    • 如果使用相对路径(如"./blend.jpg"),则Silverlight会从XAP文件的根目录开始搜索资源文件。
    • 如果使用绝对路径(如"http://localhost:7323/009_uri.Web/ClientBin/blend.jpg"),则需要确保服务器上有相应的配置。
  • 动态加载优化

    • 对于大型资源文件或频繁加载的资源,可以使用Silverlight的BackgroundLoader来优化加载性能。
  • 四、总结

    通过合理配置Build Action和资源文件的引用方式,可以在Silverlight项目中实现资源文件的高效管理和灵活使用。无论是嵌入到XAP文件中,还是通过动态加载,开发者都可以根据具体需求选择最优方案。

    转载地址:http://anrkz.baihongyu.com/

    你可能感兴趣的文章
    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>>
    OpenCV与AI深度学习 | 基于改进YOLOv8的景区行人检测算法
    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 | 如何使用YOLO-World做目标检测
    查看>>