SwiftOldDriver/iOS-Weekly:Swift 实现 Objective-C 类的新思路
在 Swift 与 Objective-C 混编的大型项目中,开发者们一直面临着一些棘手的挑战。最近 Swift 团队提出的 SE-0436 方案为我们提供了一种全新的思路:用 Swift 代码来实现 Objective-C 的 Category/Extension,同时保持对调用者的完全透明。
混编项目的痛点
对于同时使用 Swift 和 Objective-C 的大型项目来说,编译效率一直是个令人头疼的问题。当 Swift 代码需要被 Objective-C 调用时,编译器会自动生成对应的头文件(Header),这个过程在增量编译时会显著拖慢构建速度。某大型互联网团队在实际项目中就发现,这种自动生成的 Header 文件成为了编译性能的瓶颈之一。
另一个问题是代码可读性。自动生成的 Header 文件往往结构混乱,可读性差,这对于习惯了通过 Header 文件快速了解接口设计的 Objective-C 开发者来说,无疑增加了理解和维护的难度。
SE-0436 方案的创新之处
SE-0436 方案的核心思想是允许开发者用 Swift 来实现 Objective-C 类的方法,同时保持对调用者的完全透明。这意味着:
- 调用方无需知道实现是用 Swift 编写的
- 不需要生成额外的 Header 文件
- 实现细节完全隐藏在 Swift 代码中
这种设计巧妙地避开了传统混编方式的几个主要痛点。某浏览器引擎团队在实际项目中已经先行尝试了类似的技术,他们为媒体播放器组件添加了 Swifty 风格的接口,如 var isLoadingPublisher: AnyPublisher<Bool, Never>,同时保持了底层实现的灵活性。
技术实现的价值
这项技术的价值不仅限于解决编译效率问题,它还为代码架构设计提供了新的可能性:
- 渐进式迁移:可以逐步将 Objective-C 实现替换为 Swift,而不影响现有调用者
- 接口现代化:在保持原有 Objective-C 接口的同时,内部可以使用更现代的 Swift 特性
- 性能优化:某些场景下 Swift 实现可能比 Objective-C 更高效
- 代码组织:可以将相关功能更合理地组织在 Swift 模块中
实际应用场景
想象一个大型商业应用,核心模块是用 Objective-C 编写的,但随着业务发展,团队希望逐步迁移到 Swift。使用 SE-0436 方案的技术,可以:
- 先保持原有 Objective-C 接口不变
- 用 Swift 重新实现部分功能
- 逐步替换整个模块
- 最终完全移除 Objective-C 代码
整个过程对应用的其他部分完全透明,不会造成大规模重构的冲击。
未来展望
这项技术为 Swift 和 Objective-C 的长期共存提供了更优雅的方案。随着 Swift 语言的持续进化,我们可能会看到更多类似的桥接技术出现,帮助开发者更平滑地从 Objective-C 过渡到 Swift,同时保持项目的稳定性和可维护性。
对于正在考虑或正在进行 Objective-C 向 Swift 迁移的团队来说,SE-0436 方案提供的技术路线值得深入研究和尝试。它不仅解决了实际问题,还可能改变我们对混编架构的思考方式。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00