【HarmonyOS Next之旅】DevEco Studio使用指南(二)

【HarmonyOS Next之旅】DevEco Studio使用指南(二)

目录

1 -> 工程模板介绍

2 -> 创建一个新的工程

2.1 -> 创建和配置新工程

2.1.1 -> 创建HarmonyOS工程

2.2.2 -> 创建OpenHarmony工程


1 -> 工程模板介绍

DevEco Studio支持多种品类的应用/元服务开发,预置丰富的工程模板,可以根据工程向导轻松创建适应于各类设备的工程,并自动生成对应的代码和资源模板。同时,DevEco Studio还提供了多种编程语言供开发者进行应用/元服务开发,包括ArkTS、JS和C/C++。

工程模板支持的开发语言及模板说明如下表所示:

模板名称说明
Empty Ability用于Phone、Tablet、2in1、Car设备的模板,展示基础的Hello World功能。
Native C++用于Phone、Tablet、2in1、Car设备的模板,作为应用调用C++代码的示例工程,界面显示“Hello World”。
[CloudDev]Empty Ability端云一体化开发通用模板。
[Lite]Empty Ability用于Lite Wearable设备的模板,展示了基础的Hello World功能。可基于此模板,修改设备类型及RuntimeOS,进行小型嵌入式设备开发。
Flexible Layout Ability用于创建跨设备应用开发的三层工程结构模板。三层工程结构包含common(公共能力层)、features(基础特性层)、products(产品定制层)。
Embeddable Ability用于开发支持被其他应用嵌入式运行的元服务的工程模板。

2 -> 创建一个新的工程

当开始开发一个应用/元服务时,首先需要根据工程创建向导,创建一个新的工程,工具会自动生成对应的代码和资源模板。

说明

在运行DevEco Studio工程时,建议每一个运行窗口有2GB以上的可用内存空间。

2.1 -> 创建和配置新工程

DevEco Studio提供了基础的工程模板资源,不同模板支持的设备类型、API Version可能不同,在创建新工程前,提前了解各模板的相关信息。

2.1.1 -> 创建HarmonyOS工程

1. 通过如下两种方式,打开工程创建向导界面。

  1. 如果当前未打开任何工程,可以在DevEco Studio的欢迎页,选择Create Project开始创建一个新工程。
  2. 如果已经打开了工程,可以在菜单栏选择File > New > Create Project来创建一个新工程。

2. 根据工程创建向导,选择创建Application或Atomic Service。再选择需要的Ability工程模板,然后单击Next。 

说明

从API 11版本开始支持Atomic Service元服务工程开发。

Atomic Service元服务工程暂不支持Native开发。

3. 在工程配置页面,需要根据向导配置工程的基本信息。

  • Project name:工程的名称,可以自定义,由大小写字母、数字和下划线组成。
  • Bundle name:标识应用的包名,用于标识应用的唯一性。

    说明

    • 应用包名要求:
      • 必须为以点号(.)分隔的字符串,且至少包含三段,每段中仅允许使用英文字母、数字、下划线(_),如“com.example.myapplication ”。
      • 首段以英文字母开头,非首段以数字或英文字母开头,每一段以数字或者英文字母结尾,如“com.01example.myapplication”。
      • 不允许多个点号(.)连续出现,如“com.example..myapplication ”。
      • 长度为7~128个字符。
    • Save location:工程文件本地存储路径,由大小写字母、数字和下划线等组成,不能包含中文字符。
    • Compatible SDK:兼容的最低API Version。
    • Module name: 模块的名称。
    • Device type:该工程模板支持的设备类型。

    4. 单击Finish,工具会自动生成示例代码和相关资源,等待工程创建完成。

    2.2.2 -> 创建OpenHarmony工程

    1. 在完成创建HarmonyOS工程后,根据如下操作修改工程级build-profile.json5文件中相关字段:

    1. 在工程级build-profile.json5文件添加compileSdkVersion字段。
    2. compatibleSdkVersioncompileSdkVersion字段赋值为整数类型。
    3. 将runtimeOS从"HarmonyOS"修改为"OpenHarmony"
    "products": [ { "name": "default", "signingConfig": "default", "compileSdkVersion": 11, //指定OpenHarmony应用编译时的版本,当前以API 11为例 "compatibleSdkVersion": 11, //指定OpenHarmony应用兼容的最低版本,当前以API 11为例 "runtimeOS": "OpenHarmony", } ],

    2. 单击Sync Now进行同步。在Sync Check弹窗中点击Yes,同意将module.json5/config.json文件中的phone切换为OpenHarmony支持的default类型,并删除在OpenHarmony不适用的其他设备类型,同步成功无其他报错则工程创建完成。

    说明

    若选择Native C++模板创建OpenHarmony应用,且应用需要在RK开发板上运行,则需在对应Native模块的build-profile.json5文件buildOption/externalNativeOptions字段下,新增abiFilters字段并赋值为"armeabi-v7a"。


    感谢各位大佬支持!!!

    互三啦!!!

    Read more

    天远劳动仲裁信息查询API接入指南:Python构建企业雇佣风控防火墙

    穿透非标简历黑盒:从盲目背调到数据驱动的合规管理 在现代企业人力资源管理与金融信贷业务中,个人背景的真实性与合法性审查是构筑企业风控体系的第一道防线。传统的背景调查往往依赖人工核实与候选人主动披露,这种模式不仅效率低下,且极易遗漏关键的法律纠纷记录。特别是频繁产生劳动争议、或身负失信记录的人员,一旦引入企业内部或赋予信贷额度,将给业务带来难以预估的经济损失与名誉风险 。 为了解决这一行业痛点,天远劳动仲裁信息查询API 提供了一套全方位、时效化的法律风险查询机制 。该接口专门针对企业招聘背景调查、金融机构信贷审核、合作伙伴资质评估等场景设计 。通过输入核心身份信息,系统能够深度聚合该人员的劳动争议、社会保险纠纷、人事争议及失信限高记录,为企业的每一次用人或合作决策提供坚实的数据支撑 。 Python集成实战:AES加密与高可用请求管道构建 本接口在数据传输层面采用了严格的安全策略,所有业务请求参数均需进行加密处理 。加密机制规定使用 AES-128 算法的 CBC 模式,配合 PKCS7 填充,且每次加密需生成随机的 16 字节 IV(初始化向量) 。最终传输的数据是将 IV

    By Ne0inhk

    如何快速解决Finnhub Python API客户端的5个常见问题

    如何快速解决Finnhub Python API客户端的5个常见问题 【免费下载链接】finnhub-pythonFinnhub Python API Client. Finnhub API provides institutional-grade financial data to investors, fintech startups and investment firms. We support real-time stock price, global fundamentals, global ETFs holdings and alternative data. https://finnhub.io/docs/api 项目地址: https://gitcode.com/gh_mirrors/fi/finnhub-python Finnhub Python API客户端为开发者和投资者提供机构级别的金融数据访问能力,

    By Ne0inhk

    在 VS Code 中使用 Black 格式化 Python 代码

    在 VS Code 中使用 Black 格式化 Python 代码的详细指南 Black 是目前 Python 社区最流行的自动格式化工具之一,它的特点是“极少配置、强制风格”:你把代码交给 Black,它按照一套统一规则帮你排版,从此团队不用再纠结“空格还是换行”。 这篇文章会详细说明: 1. Black 是什么、适合做什么 2. 安装 Black(虚拟环境 / 全局) 3. 在 VS Code 中配置 Black 为默认格式化工具 4. 保存时自动格式化 5. 配置 Black 参数(行宽等) 6. 常见问题与排错 一、Black 简介 Black

    By Ne0inhk

    Python+Matplotlib:大数据可视化的高效解决方案

    Python+Matplotlib:大数据可视化的高效实践指南——从百万级数据到交互式图表 一、引言:大数据可视化的「痛」与「解」 你有没有过这样的崩溃瞬间? 面对100万行的用户行为数据,用Matplotlib画折线图时,程序卡了5分钟还没出图;想做个能拖动时间轴的交互式图,却不知道怎么让静态图「动」起来;或者画散点图时,百万个点叠在一起变成「黑块」,根本看不清趋势——这些都是大数据可视化的常见痛点。 问题到底出在哪? 不是Matplotlib不够强,而是我们没摸透它的「脾气」: * 数据没「瘦身」,百万个点让渲染引擎「累到罢工」; * 用了低效的数据结构(比如Python列表),让Matplotlib「慢半拍」; * 没利用Matplotlib的交互功能,静态图无法响应业务需求。 这篇文章能给你什么? 我会用「数据预处理→渲染优化→交互增强→实战案例」的全流程,教你用Python+Matplotlib高效处理百万级数据,从「卡到崩溃」到「秒级出图」

    By Ne0inhk