当前位置 博文首页 > 高远的博客：易生活(一)-APP---回调函数在异步操作中的应用
- 在项目开发过程中遇到这样一个问题：在使用科大讯飞语音识别功能的时候，想要把语音识别这个功能封装成一个工具类，无论哪一个界面使用直接调用就可以使用语音识别功能了，比较方便。
- 最开始想法是靠最原始的方式，直接封装一个工具类，带一个返回值，直接拿去识别的返回结果就行了。但是出现异常了，返回结果为空，郁闷了好久，后来通过查看科大讯飞的文档才知道，语音识别是一个异步操作，直接获取返回结果是不可以的。[google：什么是异步操作]
- 前面学习的过程中老师有提到回调函数这个概念，在安卓中应用广泛，例如各个按钮的点击事件、各个生命周期函数等。
- 现尝试使用回调函数解决这个问题。[已解决]
首先定义一个接口，该接口有一个方法，这个接口将来要被实现，实现的类中的这个方法就是所谓回调函数，内容如下
/**
* 该接口是为了获取语音识别结果。
* 参数为一个List<String>，共两个值，用strList.get(0)和strList.get(1)获取。
* 第一个是识别的完整的语句，如；“今天你吃饭了吗？”；第二个是识别的分词结果，以“,”隔开，如“今天,你,吃饭,了,吗,?,”
*/
public interface MscInterface {
public void voice2List(List<String> strList);
}
需要获取语音识别结果的类，如activity继承该接口，会实现上述接口的 public void voice2List(List<String> strList);方法，在在该方法中获取list结果，进行相关数据处理。同时，在该类中调用封装好的语音识别工具类MSCUtils的 public static void getVoiceReslut(final SearchActivity searchActivity)，注意，要把该activity当作一个参数传递给工具类。内容如下
//开始调用工具类
private void showMSC() {
MSCUtils mMSCUtils=new MSCUtils();
mMSCUtils.getVoiceReslut(this);
}
//这个是回调函数，用来获取语音的识别结果；返回值为一个List，共两个值，第一个是识别的完整的语句；第二个是识别的分词结果，以“,”隔开，如“今天,你,吃饭,了,吗,?,”
@Override
public void voice2List(List strList) {
Toast.makeText(SearchActivity.this, “回调成功！”, Toast.LENGTH_SHORT).show();
processMSC(strList);
}
工具类的封装，请特别注意mMscInterface.voice2List(chineseWordList);这一句话，这一句话是实现回调的核心。我们传递过来了activity这个对象，并且activity这个类还实现了MscInterface这个接口，所以就有这个方法可以实现回调。大致如下
/**
* 该工具类可以实现快速调用科大讯飞的语音识别，获取识别结果。【采用回调的方式实现】
* 使用方式：1.在你的类实例化该类，然后调用该工具类的getVoiceReslut方法，参数:"你的类.this"(说法不规范，好理解=_+)。
* 2.让你的类实现MscInterface接口，在实现的接口中获取参数即可；
* 参数说明：参数为一个List<String>，共两个值，用strList.get(0)和strList.get(1)获取。
* 第一个是识别的完整的语句，如；“今天你吃饭了吗？”；
* 第二个是识别的分词结果，以“,”隔开，如“今天,你,吃饭,了,吗,?,”
*/
public class MSCUtils {
private final String TAG = "MSCUtils+++++";
private MscInterface mMscInterface;
private List<String> chineseWordList = new ArrayList<String>();//分词结果集
private String Str = "";//最终形成的句子
private String str2 = "";//要做的分词效果
public void getVoiceReslut(final MscInterface mMscInterface) {
this.mMscInterface = mMscInterface;
//1.创建RecognizerDialog对象
RecognizerDialog mDialog = new RecognizerDialog((Context) mMscInterface, new InitListener() {
@Override
public void onInit(int i) {
}
});
//2.设置accent、 language等参数
mDialog.setParameter(SpeechConstant.LANGUAGE, "zh_cn");
mDialog.setParameter(SpeechConstant.ACCENT, "mandarin");
//若要将UI控件用于语义理解，必须添加以下参数设置，设置之后onResult回调返回将是语义理解
//结果
// mDialog.setParameter("asr_sch", "1");
// mDialog.setParameter("nlp_version", "2.0");
//3.设置回调接口
mDialog.setListener(new RecognizerDialogListener() {
//特别注意该方法会回调多次，不要让数据覆盖了
@Override
public void onResult(RecognizerResult recognizerResult, boolean b) {
String jsonObg = recognizerResult.getResultString();
Gson gson = new Gson();
Sentence sentence = gson.fromJson(jsonObg, new Sentence().getClass());
List<Ws> wsList = sentence.getWs();
for (Ws w : wsList) {
List<Cw> cwList = w.getCw();
for (Cw c : cwList) {
String chineseWord = c.getW();
Str += chineseWord;
str2 += chineseWord + ",";
Log.e(TAG, Str);
Log.e(TAG, str2);
}
}
if (b) processVoice();//b然后true,表示识别结束，当时别结束，我们再回调
}
@Override
public void onError(SpeechError speechError) {
}
});
//4.显示dialog，接收语音输入
mDialog.show();
}
private void processVoice() {
chineseWordList.clear();
//最后再填充数据，防止数据被覆盖
chineseWordList.add(Str);
chineseWordList.add(str2);
mMscInterface.voice2List(chineseWordList);//开始回调
}
}
