Swift Protobuf 1.29.0 版本发布:增强时间类型支持与JSON解析能力
Swift Protobuf 是苹果官方维护的 Protocol Buffers 协议的 Swift 语言实现,它为 Swift 开发者提供了高效的数据序列化和反序列化能力。Protocol Buffers 是 Google 开发的一种语言中立、平台中立的数据交换格式,广泛用于网络通信和数据存储场景。
时间类型增强功能
本次 1.29.0 版本在时间相关类型处理上做了重要改进,新增了与 Swift 标准库 Duration 类型的互转能力:
-
Swift.Duration 与 Google_Protobuf_Duration 互转
现在开发者可以方便地在 Swift 标准库的 Duration 类型和 Protocol Buffers 的 Duration 类型之间进行转换,这大大简化了时间间隔数据的处理流程。 -
带舍入控制的构造器
新增了带有舍入控制参数的构造器,包括:Google_Protobuf_Duration初始化时支持控制纳秒值的舍入方式Google_Protobuf_Timestamp初始化时同样支持舍入控制
这些改进使得时间相关的数据处理更加精确和灵活,特别是在需要高精度时间计算的场景下,开发者可以更好地控制时间值的处理方式。
JSON 解析能力增强
在 JSON 解析方面,1.29.0 版本做了多项改进:
-
@type 字段验证
在解析 JSON 数据时,现在会严格验证@type字段的有效性,确保其符合 Protocol Buffers 的规范要求。 -
Any 类型支持增强
加强了对google.protobuf.Any类型的 JSON 支持验证,确保这种特殊类型的序列化和反序列化行为符合预期。 -
MessageSet 处理改进
更新了 MessageSet 的解析逻辑,并增加了对原始扩展字段的读取支持,这使得处理包含扩展字段的 Protocol Buffers 消息更加可靠。
代码质量与构建改进
-
代码格式化检查
引入了 swift-format 检查作为 PR 流程的一部分,确保代码风格的一致性。 -
构建系统更新
根据最新的 CMake 文档更新了构建配置,使项目构建更加现代化和可靠。 -
Swift 6 兼容性
确保插件示例生成的代码能够在 Swift 6 模式下编译通过,为未来的 Swift 版本升级做好准备。 -
枚举生成代码优化
对封闭枚举(closed Enums)的生成代码进行了清理和优化,使生成的代码更加简洁高效。
平台支持扩展
在平台支持方面,本次更新增加了对 visionOS 的官方支持,通过更新 Podspec 文件,开发者现在可以在苹果的 visionOS 平台上使用 Swift Protobuf。
总结
Swift Protobuf 1.29.0 版本在时间处理、JSON 解析和代码质量方面都做出了显著改进。这些增强功能使得 Protocol Buffers 在 Swift 生态系统中的集成更加无缝,特别是在需要精确时间处理和复杂数据交换的场景下。对于已经使用或考虑使用 Protocol Buffers 的 Swift 开发者来说,这个版本值得升级。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0100
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00