android开发案例(鸿蒙能挑翻安卓吗)

android开发案例，鸿蒙能挑翻安卓吗？

微软给华为让路？第三大系统停止更新，鸿蒙能挑翻安卓吗？微软在手机系统江湖中几经折腾，试图想要像个人电脑操作系统一样取得江湖地位，不过最终却落得个功败垂成黯然落幕的结局。这也给后来的华为鸿蒙提了个醒，手机操作系统的江湖可并不是那么好混的。

挑翻安卓？还是不要想，先寻求生存！这一点上华为管理者却有着清醒的认识。在任总接受媒体访问时就谈到，华为希望继续使用全球共用开放的手机操作系统和生态。只是在美国限制使用，华为会发展自己的操作系统。包括华为高管最近也表示，华为鸿蒙系统的推出没有时间表。可能也是正在等待谷歌的态度，安卓是否能够像以前一样在华为手机上完整应用，而不会受到限制。

生态的建立并非短时间就可以完成的，而且是并不一定就能够成功的。就像任总所说的，重建良好的生态需要两三年左右的时间，有信心有中国市场的庞大应用和渴望走出去的内容服务商作为基础支撑。但这也是乐观的预估而已，真正能否赢得全球市场用户的关注，是否能够赢得安卓用户和苹果用户的转向，是否能够有把握适应国外用户的习惯及规则等等，都是没有经过市场真正的检验是不能有结果的。

鸿蒙系统应用在手机上的上市变成了未知。虽前有余承东的今年秋季明年春季可能推出的表态，但后来也有胡厚崑的华为鸿蒙系统没有推出时间表的否定。如果安卓系统能够重新完整应用在华为手机上，或者谷歌新的操作系统能够重新完整应用在华为手机上，那估计鸿蒙系统在手机上的应用就会变成更加的小众。

安卓已经变成为了庞然大物，虽前有巨人倒塌的案例，但鸿蒙挑翻安卓并不容易成功，毕竟安卓已经树大根深。到目前鸿蒙到底是何模样，也只是在极小的圈子里才知道，是否外界雾里看花般甚至莫名兴奋把期望描述成现实的务虚，只有等到鸿蒙系统真正进入到你我手机里才能真正知道。还是循序渐进，先寻得生存的机会，再谈能否挑翻安卓。

更多分享请关注【东方高扬】。

用爬虫技术能做到哪些有趣的事情？

看到这个问题必须来怒答一波～用python爬虫爬便宜机票了解一下？

喜欢旅行又怕吃土？让Python来爬取最便宜机票吧！

图源：

videoblocks.com

你喜欢旅行吗？

这个问题通常会得到一个肯定的答案，随后引出一两个有关之前冒险经历的故事。大多数人都认为旅行是体验新文化和开阔视野的好方法。但如果问题是“你喜欢搜索机票的过程吗？”也许话题就到此为止了……

可事实上，便宜的机票往往也很重要！本文将尝试构建一个网络爬虫，该爬虫对特定目的地运行并执行带有浮动日期（首选日期前后最多三天）的航班价格搜索。它会将结果保存为excel文件并发送一封包含快速统计信息的电子邮件。显然，这个爬虫的目的就是帮助我们找到最优惠的价格！

你可以在服务器上运行脚本(一个简单的Raspberry Pi就可以)，每天运行一到两次。结果会以邮件形式发送，建议将excel文件存入Dropbox文件夹，以便随时随地查看。

因为爬虫以“浮动日期”进行搜索，所以它会搜索首选日期前后最多三天的航班信息。尽管该脚本一次仅运行一对目的地，但可以很容易地改写该爬虫使其每个循环运行多个目的地。最终甚至可能找到一些错误票价...那会很有意思！

另一个爬虫

某种意义上来讲，网络爬取是互联网“工作”的核心。

也许你认为这是一个十分大胆的说法，但谷歌就是从拉里·佩奇用Java和Python构建的网络爬虫开始的。爬虫不断地爬取信息，整个互联网都在试图为所有问题提供最佳的可能答案。网络爬取有不计其数的应用程序，即使更喜欢数据科学中的其他分支，你仍需要一些爬取技巧以获得数据。

这里用到的一些技术来自于最近新的一本佳作《Python网络数据采集》，书中包含与网络爬取相关的所有内容，并提供了大量简例和实例。甚至有一个特别有意思的章节，讲述如何解决验证码检验的问题。

Python的拯救

第一个挑战就是选择爬取信息的平台，本文选择了客涯（Kayak）。我们试过了Momondo, 天巡（Skyscanner）, 亿客行（Expedia）和其它一些网站，但是这些网站上的验证码特别变态。

在那些“你是人类吗？”的验证中，尝试了多次选择交通灯、十字路口和自行车后，客涯似乎是最好的选择，尽管短时间内加载太多页面它会跳出安全检查。

我们设法让机器人每4到6个小时查询一次网站，结果一切正常。虽然说不定哪个部分偶尔会出点小问题，但是如果收到验证码，既可以手动解决问题后启动机器人，也可以等待几小时后的自动重启。

如果你是网络爬取新手，或者不知道为何有些网站花费很大力气阻止网络爬取，那么为构建爬虫写下第一行代码前，你一定要多加努力。

谷歌的“网络爬取规范”：

http://lmgtfy.com/?q=web+scraping+etiquette

系紧安全带...

导入并打开Chrome浏览器标签页后，会定义一些循环中会用到的函数。这个架构的构思大概是这样的：

· 一个函数用于启动机器人程序，表明想要搜索的城市和日期。

· 这个函数获得首轮搜索结果，按“最佳”航班排序，然后点击“加载更多结果”。

· 另一个函数会爬取整个页面，并返回一个dataframe数据表。

· 随后重复步骤2和步骤3，得出按“价格”和“航行时间”排序的结果。

· 发送一封简要总结价格（最低价和平均价）的邮件，并将带有这三种排序类型的dataframe数据表保存为一份excel文件。

· 以上所有步骤会在循环中重复，每X小时运行一次。

每个Selenium项目都以一个网页驱动器开始。我们使用Chromedriver驱动器，但还有其它选择。PhantomJS和Firefox也很受欢迎。下载Chromedriver后，将其置于一个文件夹中即可。第一行代码会打开一个空白Chrome标签页。

from time import sleep, strftime

from random import randint

import pandas as pd

from selenium import webdriver

from selenium.webdriver.common.keys import Keys

import smtplib

from email.mime.multipart import MIMEMultipart

# Change this to your own chromedriver path!

chromedriver_path = 'C:/{YOUR PATH HERE}/chromedriver_win32/chromedriver.exe'

driver = webdriver.Chrome(executable_path=chromedriver_path) # This will open the Chrome window

sleep(2)

这些是将用于整个项目的包。使用randint函数令机器人在每次搜索之间随机睡眠几秒钟。这对任何一个机器人来说都是必要属性。如果运行前面的代码，应该打开一个Chrome浏览器窗口，机器人会在其中导航。

一起来做一个快速测试：在另一个窗口上访问客涯网（http://kayak.com），选择往返城市和日期。选择日期时，确保选择的是“+-3天”。由于在编写代码时考虑到了结果页面，所以如果只想搜索特定日期，很可能需要做一些微小的调整。

点击搜索按钮在地址栏获取链接。它应该类似于下面所使用的链接，将变量kayak定义为url，并从网页驱动器执行get方法，搜索结果就会出现。

无论何时，只要在几分钟内使用get命令超过两到三次，就会出现验证码。实际上可以自己解决验证码，并在下一次验证出现时继续进行想要的测试。从测试来看，第一次搜索似乎一直没有问题，所以如果想运行这份代码，并让它在较长的时间间隔后运行，必须解决这个难题。你并不需要十分钟就更新一次这些价格，对吧？

每个XPath都有陷阱

到目前为止，已经打开了一个窗口，获取了一个网站。为了开始获取价格和其他信息，需要使用XPath或CSS选择器，我们选择了XPath。使用XPath导航网页可能会令人感到困惑，即使使用从inspector视图中直接使用“复制XPath”，但这不是获得所需元素的最佳方法。有时通过“复制XPath”这个方法获得的链接过于针对特定对象，以至于很快就失效了。《Python网络数据采集》一书很好地解释了使用XPath和CSS选择器导航的基础知识。

接下来，用Python选择最便宜的结果。上面代码中的红色文本是XPath选择器，在网页上任意一处右键单击选择“inspect”就可以看到它。在想要查看代码的位置，可以再次右键单击选择“inspect”。

为说明之前所观察到的从“inspector”复制路径的缺陷，请参考以下差异：

1 # This is what the copymethod would return. Right click highlighted rows on the right side and select “copy> Copy XPath”//*[@id=“wtKI-price_aTab”]/div[1]/div/div/div[1]/div/span/span

2 # This is what I used todefine the “Cheapest” buttoncheap_results= ‘//a[@data-code = “price”]’

第二种方法的简洁性清晰可见。它搜索具有data-code等于price属性的元素a。第一种方法查找id等于wtKI-price_aTab的元素，并遵循第一个div元素和另外四个div和两个span。这次……会成功的。现在就可以告诉你，id元素会在下次加载页面时更改。每次页面一加载，字母wtKI会动态改变，所以只要页面重新加载，代码就会失效。花些时间阅读XPath，保证你会有收获。

不过，使用复制的方法在不那么“复杂”的网站上工作，也是很好的！

基于以上所展示的内容，如果想在一个列表中以几个字符串的形式获得所有搜索结果该怎么办呢？其实很简单。每个结果都在一个对象中，这个对象的类是“resultWrapper”。获取所有结果可以通过像下面这样的for循环语句来实现。如果你能理解这一部分，应该可以理解接下来的大部分代码。它基本上指向想要的结果（结果包装器），使用某种方式（XPath）获得文本，并将其放置在可读对象中（首先使用flight_containers，然后使用flight_list）。

前三行已展示在图中，并且可以清楚地看到所需的内容，但是有获得信息的更优选择，需要逐一爬取每个元素。

准备起飞吧！

最容易编写的函数就是加载更多结果的函数，所以代码由此开始。为了在不触发安全验证的前提下最大化所获取的航班数量，每次页面显示后，单击“加载更多结果”。唯一的新内容就是所添加的try语句，因为有时按钮加载会出错。如果它对你也有用，只需在前面展示的start_kayak函数中进行简要注释。

# Load more results to maximize the scraping

def load_more():

try:

more_results = '//a[@class = “moreButton”]'

driver.find_element_by_xpath(more_results).click()

# Printing these notes during the program helps me quickly check what it is doing

print('sleeping…..')

sleep(randint(45,60))

except:

pass

现在，经过这么长的介绍，已经准备好定义实际爬取页面的函数。

我们编译了下一个函数page_scrape中的大部分元素。有时这些元素会返回列表插入去程信息和返程信息之间。这里使用了一个简单的办法分开它们，比如在第一个 section_a_list和section_b_list变量中，该函数还返回一个flight_df数据表。所以可以分离在不同分类下得到的结果，之后再把它们合并起来。

def page_scrape():

“““This function takes care of the scraping part”““

xp_sections = '//*[@class=“section duration”]'

sections = driver.find_elements_by_xpath(xp_sections)

sections_list = [value.text for value in sections]

section_a_list = sections_list[::2] # This is to separate the two flights

section_b_list = sections_list[1::2] # This is to separate the two flights

# if you run into a reCaptcha, you might want to do something about it

# you will know there's a problem if the lists above are empty

# this if statement lets you exit the bot or do something else

# you can add a sleep here, to let you solve the captcha and continue scraping

# i'm using a SystemExit because i want to test everything from the start

if section_a_list == []:

raise SystemExit

# I'll use the letter A for the outbound flight and B for the inbound

a_duration = []

a_section_names = []

for n in section_a_list:

# Separate the time from the cities

a_section_names.append(''.join(n.split()[2:5]))

a_duration.append(''.join(n.split()[0:2]))

b_duration = []

b_section_names = []

for n in section_b_list:

# Separate the time from the cities

b_section_names.append(''.join(n.split()[2:5]))

b_duration.append(''.join(n.split()[0:2]))

xp_dates = '//div[@class=“section date”]'

dates = driver.find_elements_by_xpath(xp_dates)

dates_list = [value.text for value in dates]

a_date_list = dates_list[::2]

b_date_list = dates_list[1::2]

# Separating the weekday from the day

a_day = [value.split()[0] for value in a_date_list]

a_weekday = [value.split()[1] for value in a_date_list]

b_day = [value.split()[0] for value in b_date_list]

b_weekday = [value.split()[1] for value in b_date_list]

# getting the prices

xp_prices = '//a[@class=“booking-link”]/span[@class=“price option-text”]'

prices = driver.find_elements_by_xpath(xp_prices)

prices_list = [price.text.replace('$','') for price in prices if price.text != '']

prices_list = list(map(int, prices_list))

# the stops are a big list with one leg on the even index and second leg on odd index

xp_stops = '//div[@class=“section stops”]/div[1]'

stops = driver.find_elements_by_xpath(xp_stops)

stops_list = [stop.text[0].replace('n','0') for stop in stops]

a_stop_list = stops_list[::2]

b_stop_list = stops_list[1::2]

xp_stops_cities = '//div[@class=“section stops”]/div[2]'

stops_cities = driver.find_elements_by_xpath(xp_stops_cities)

stops_cities_list = [stop.text for stop in stops_cities]

a_stop_name_list = stops_cities_list[::2]

b_stop_name_list = stops_cities_list[1::2]

# this part gets me the airline company and the departure and arrival times, for both legs

xp_schedule = '//div[@class=“section times”]'

schedules = driver.find_elements_by_xpath(xp_schedule)

hours_list = []

carrier_list = []

for schedule in schedules:

hours_list.append(schedule.text.split('\n')[0])

carrier_list.append(schedule.text.split('\n')[1])

# split the hours and carriers, between a and b legs

a_hours = hours_list[::2]

a_carrier = carrier_list[1::2]

b_hours = hours_list[::2]

b_carrier = carrier_list[1::2]

cols = (['Out Day', 'Out Time', 'Out Weekday', 'Out Airline', 'Out Cities', 'Out Duration', 'Out Stops', 'Out Stop Cities',

'Return Day', 'Return Time', 'Return Weekday', 'Return Airline', 'Return Cities', 'Return Duration', 'Return Stops', 'Return Stop Cities',

'Price'])

flights_df = pd.DataFrame({'Out Day': a_day,

'Out Weekday': a_weekday,

'Out Duration': a_duration,

'Out Cities': a_section_names,

'Return Day': b_day,

'Return Weekday': b_weekday,

'Return Duration': b_duration,

'Return Cities': b_section_names,

'Out Stops': a_stop_list,

'Out Stop Cities': a_stop_name_list,

'Return Stops': b_stop_list,

'Return Stop Cities': b_stop_name_list,

'Out Time': a_hours,

'Out Airline': a_carrier,

'Return Time': b_hours,

'Return Airline': b_carrier,

'Price': prices_list})[cols]

flights_df['timestamp'] = strftime(“%Y%m%d-%H%M”) # so we can know when it was scraped

return flights_df

尽量让这些名字容易理解。记住变量a表示旅行的去程信息，变量b表示旅行的返程信息。接下来说说下一个函数。

等等，还有什么吗？

截至目前，已经有了一个能加载更多结果的函数和一个能爬取其他结果的函数。本可以在此结束这篇文章，而你可以自行手动使用这些函数，并在浏览的页面上使用爬取功能。但是前文提到给自己发送邮件和一些其他信息的内容，这都包含在接下来的函数start_kayak中。

它要求填入城市名和日期，并由此打开一个kayak字符串中的地址，该字符串直接跳转到“最佳”航班结果排序页面。第一次爬取后，可以获取价格的顶部矩阵，这个矩阵将用于计算平均值和最小值，之后和客涯（Kayak）的预测结果（页面左上角）一同发送到邮件中。这是单一日期搜索时可能导致错误的原因之一，因其不包含矩阵元素。

def start_kayak(city_from, city_to, date_start, date_end):

“““City codes - it's the IATA codes!

Date format - YYYY-MM-DD”““

kayak = ('https://www.kayak.com/flights/' + city_from + '-' + city_to +

'/' + date_start + '-flexible/' + date_end + '-flexible?sort=bestflight_a')

driver.get(kayak)

sleep(randint(8,10))

# sometimes a popup shows up, so we can use a try statement to check it and close

try:

xp_popup_close = '//button[contains(@id,”dialog-close”) and contains(@class,”Button-No-Standard-Style close “)]'

driver.find_elements_by_xpath(xp_popup_close)[5].click()

except Exception as e:

pass

sleep(randint(60,95))

print('loading more.....')

# load_more()

print('starting first scrape.....')

df_flights_best = page_scrape()

df_flights_best['sort'] = 'best'

sleep(randint(60,80))

# Let's also get the lowest prices from the matrix on top

matrix = driver.find_elements_by_xpath('//*[contains(@id,”FlexMatrixCell”)]')

matrix_prices = [price.text.replace('$','') for price in matrix]

matrix_prices = list(map(int, matrix_prices))

matrix_min = min(matrix_prices)

matrix_avg = sum(matrix_prices)/len(matrix_prices)

print('switching to cheapest results…..')

cheap_results = '//a[@data-code = “price”]'

driver.find_element_by_xpath(cheap_results).click()

sleep(randint(60,90))

print('loading more…..')

# load_more()

print('starting second scrape…..')

df_flights_cheap = page_scrape()

df_flights_cheap['sort'] = 'cheap'

sleep(randint(60,80))

print('switching to quickest results…..')

quick_results = '//a[@data-code = “duration”]'

driver.find_element_by_xpath(quick_results).click()

sleep(randint(60,90))

print('loading more…..')

# load_more()

print('starting third scrape…..')

df_flights_fast = page_scrape()

df_flights_fast['sort'] = 'fast'

sleep(randint(60,80))

# saving a new dataframe as an excel file. the name is custom made to your cities and dates

final_df = df_flights_cheap.append(df_flights_best).append(df_flights_fast)

final_df.to_excel('search_backups//{}_flights_{}-{}_from_{}_to_{}.xlsx'.format(strftime(“%Y%m%d-%H%M”),

city_from, city_to,

date_start, date_end), index=False)

print('saved df…..')

# We can keep track of what they predict and how it actually turns out!

xp_loading = '//div[contains(@id,”advice”)]'

loading = driver.find_element_by_xpath(xp_loading).text

xp_prediction = '//span[@class=“info-text”]'

prediction = driver.find_element_by_xpath(xp_prediction).text

print(loading+'\n'+prediction)

# sometimes we get this string in the loading variable, which will conflict with the email we send later

# just change it to “Not Sure” if it happens

weird = '¯\\_(ツ)_/¯'

if loading == weird:

loading = 'Not sure'

username = 'YOUREMAIL@hotmail.com'

password = 'YOUR PASSWORD'

server = smtplib.SMTP('smtp.outlook.com', 587)

server.ehlo()

server.starttls()

server.login(username, password)

msg = ('Subject: Flight Scraper\n\n\

Cheapest Flight: {}\nAverage Price: {}\n\nRecommendation: {}\n\nEnd of message'.format(matrix_min, matrix_avg, (loading+'\n'+prediction)))

message = MIMEMultipart()

message['From'] = 'YOUREMAIL@hotmail.com'

message['to'] = 'YOUROTHEREMAIL@domain.com'

server.sendmail('YOUREMAIL@hotmail.com', 'YOUROTHEREMAIL@domain.com', msg)

print('sent email…..')

虽然没有使用Gmail账户测试发送邮件，但是可以搜索到很多的替代方法，前文提到的那本书中也有其他方法来实现这一点。如果已有一个Hotmail账户，只要替换掉个人的详细信息，它就会开始工作了。

如果想探索脚本的某一部分正在做什么，可以将脚本复制下来并在函数外使用它。这是彻底理解它的唯一方法。

利用刚才创造的一切

在这些步骤之后，还可以想出一个简单的循环来使用刚创造的函数，同时使其持续运行。完成四个“花式”提示，写下城市和日期（输入）。因为测试时不想每次都输入这些变量，需要的时候可以使用以下这个清楚的方式进行替换。

如果已经做到了这一步，恭喜你！改进还有很多，比如与Twilio集成，发送文本消息而不是邮件。也可以使用VPN或更加难懂的方式同时从多个服务器上研究搜索结果。还有就是验证码的问题，验证码会时不时地跳出来，但对此类问题还是有解决办法的。不过，能走到这里已经是有很牢固的基础了，你可以尝试添加一些额外的要素。

使用脚本运行测试的示例

留言 点赞 关注

我们一起分享AI学习与发展的干货

欢迎关注全平台AI垂类自媒体 “读芯术”

幼儿园里有哪些潜规则？

幼儿园既是一个小社会，里面有各种人情世故，也就少不了会有“潜规则”。幼儿园里的“潜规则”老师不说，家长要知道，孩子会更吃香。

第一，懂事有礼貌的孩子。幼儿园是个小群体，在里面的同龄孩子中，能领会老师的指令，并作出相应的行动。也就是大人眼中的“懂事”的孩子，这样的老师比较省心，会深得老师的欢心。有礼貌的孩子，跟小朋友争夺玩具上，会减少冲突。

第二，自理能力强的孩子手欢迎。在吃饭，洗手，睡觉方面，能独立完成的孩子，受老的的爱戴更多一些。比如上个厕所需要老师帮忙，班里孩子多，每个孩子都需要老师帮忙，来时哪还忙的过来呢，所以，在上幼儿园前，要培养孩子基本的生活自理能力，对于适应幼儿园的生活更有优势。

第三，有事情会跟老师沟通交流的孩子。幼儿园的孩子，一般年龄低，难免会发生这样那样的事情，这是，孩子的社交沟通能力体现出来了，有的孩子只会哇哇大哭，有的呢，会躲避，减少冲突。还有高情商的孩子，即使发生了冲突，也会说出原因，并表达希望达到的目的。这样的孩子，老师会比较喜欢。

幼儿园里面大大小小的事情，需要孩子自己去处理，提高好孩子的自身能力，家长跟老师良好的沟通，会帮助孩子过一段快快乐乐的学前时光。

自主开发的鸿蒙系统怎么样了？

早在2019年8月份华为消费者业务CEO余承东在华为开发者大会上就发布了鸿蒙系统，并表示鸿蒙系统开源，所有的开发者都可以免费使用，并可以查看与修改源代码。

鸿蒙系统是什么？

鸿蒙系统是一个基于微内核进行开发的分布式操作系统，由于鸿蒙系统是基于微内核开发的，鸿蒙系统比较轻小，它可以用于多种移动设备，手机、平板、电脑、智慧屏、智能手表、路由器等设备，目前已经应用于华为、荣耀智慧屏以及华为路由AX3系列上。

鸿蒙系统可以兼容安卓应用

鸿蒙系统最大的一个优点是可以兼容安卓应用，为什么这样说呢？

其实开发一个操作系统并不难，最难得是生态，需要开发者学习一门新的编程语言，大学有关计算机专业的学生也需要学习这门新的编程语言，开发者学完以后再单独开发鸿蒙系统可以使用的软件。显然这样做是很难的，两三年内不可能有一个很好的生态，很少有开发者进行适配。

华为换了一个新的思路，做了一个转换器可以将安卓应用转换为鸿蒙系统可以使用的软件。这个转换器就是方舟编译器，方舟编译器可以将高级语言转换为二进制代码（俗称0 1代码），而这个高级语言就是编写安卓软件的Java语言，二进制代码就是鸿蒙系统可以使用的代码。

这样做的好处就是开发者无需单独为鸿蒙系统开发软件，只需要将现有的安卓软件放到鸿蒙系统上进行编译，编译后鸿蒙系统直接可以使用，这样减少了鸿蒙系统的适配难度，开发者更愿意去适配，鸿蒙系统的发展更快。

鸿蒙系统与安卓系统的关系

鸿蒙系统与安卓系统没有任何的关系，它们是两个独立的系统，就像安卓与苹果IOS的关系一样。而且它们所基于开发的系统也不一样，鸿蒙系统是基于微内核开发的，安卓是基于Linux系统开发的。

之所以鸿蒙系统可以兼容安卓软件，并不是鸿蒙系统套了一个安卓的外壳，而是方舟编译器的缘故。

鸿蒙系统的先行者—HMS

HMS是用来替代谷歌GMS，HMS主要用在欧洲。在国外，尤其是欧洲，安卓手机必须搭载GMS，如果没有搭载GMS大部分软件都不可以使用。

HMS目前已经在欧洲正式发布，搭载HMS的华为手机也在欧洲正式开售。目前全球已经有5.5万个应用适配了HMS，据有关消息称，Facebook、推特、ins等国外比较受欢迎的社交软件也即将适配HMS。

HMS中最重要的一环是浏览器、地图以及邮件服务，目前华为浏览器、华为地图以及邮件服务都在测试阶段，马上就可以接入到华为应用市场了。

鸿蒙系统何时可以应用于手机

其实鸿蒙系统随时可以应用到手机上，不过目前生态还是不行，如果现在用在手机上了，支持的软件比较少，也不会得到消费者的认可。HMS也正式推出了，如果HMS发展的比较好，今年就有希望见到搭载鸿蒙系统的手机。

为何目前大多数国产手机厂商都没有能力开发出属于自己的操作系统？

这边需要说明的是不一定国产手机厂商没有能力开发出一套自己的操作系统出来，而是这样做能否带来丰厚的回报，从资金投入到技术攻关再到生态打造都是目前存在的难题，稍有决策失误就有可能之前的巨额投入打了水漂。

一、缺乏前瞻性

可以说目前中国的互联网生态中多半还是处于拿来主义和应用技术的研发。通俗的来说就是应用的都是可以快速赚钱的项目，没有哪个公司或者组织愿意像美国的企业MathWorks公司那样出品MATLAB仿真软件了。为何那时候美要求禁用的时候才来发现没有替代品呢，那是因为在中国没有那个企业愿意去做这样的软件开发，不说资金和技术人员的投入有多大，就算研发出来了，适用的行业前景有限，那么就只能说明投入和收益不成正比，还不如开发个APP项目，马上就可以看到收益。这种明显是赔钱的买卖没有多少企业愿意去做。系统也是同理。

二、技术实现难度大

操作系统（英语：Operating System，简称OS）是管理和控制计算机硬件与软件资源的计算机程序，其五大管理功能是

（1）处理器管理，主要包括进程的控制、同步、通信和调度。

（2）存储器管理，主要包括内存的分配、保护和扩充，地址映射。

（3）设备管理，主要包括设备的分配、处理等。

（4）文件管理，主要包括文件的存储空间管理，目录管理，文件的读写和保护。

（5）作业管理，主要包括任务、界面管理，人机交互，语音控制和虚拟现实等。

如果这些都是建立在公司自己研发的基础上，那么无疑这个过程是非常的漫长，所以说从零开始重新开发一个操作系统是没有意义的，一般的情况下就是基于Linux内核的二次开发，安卓系统就是利用Linux内核进行二次开发的，OS好像原本也是基于UNIX的开发。都建立了很大的系统生态，但是目前需要推翻包括Linux内核在内的所有操作系统内核，重写一个新一代操作系统的可能性，不太会发生在中国，因为没有这样的生存环境。再一个就是民用操作系统的开发是缺乏商业动力的，有现成的为何不用呢？

三、商业推广难

中国不是没有自己的操作系统，即使是有自己的系统，那么有多大的可能去完成市场推广呢？比如说在PC端国产的麒麟操作系统，基于Linux内核打造的，但是面对window系统和苹果的OS系统，市场受众太小，只能靠政府订单勉强活着。而之前的阿里云OS系统则已经退出了手机端的操作系统，转入车联网和物联网系统了。究其原因则是目前排名四的手机商华米OV不愿意采用阿里yunOS，不光是有系统的使用BUG问题，还有更新频率总是落后安卓一代的原因。没有人愿意使用落后的产品，阿里云OS只能和销量更差的手机品牌合作，继而销量更少，恶性循环，最后只能不了了之。哪怕是背靠阿里这样的企业也难逃流产的命运。

最后在目前的中国环境中，最有可能崛起的就是华为发布的鸿蒙系统，基于5G技术万物互联，也是被迫B计划转正的产物，如果可以继续使用Android系统，也就不会让华为下狠心自己研发鸿蒙系统了，不光是手机端的，还有车联网、物联网、手表、智能家居等可以实现多设备协同操作的操作系统，目前华为官宣HMS生态最新成绩：全球第三、月活4.9亿、开发者180万。这些都将是华为升级到鸿蒙系统之后的后备力量，这也是目前国产的系统中最有可能超越Android的操作系统。

今天就讲到这里，后面有需要的话会再次补充，欢迎关注@辰轩说科技，带你了解更多的科技资讯。