Compose Destinations 多导航图共享路由的技术实践
2025-06-25 12:40:39作者:何举烈Damon
背景介绍
在移动应用开发中,底部导航栏(Bottom Navigation)是常见的UI模式,每个标签页通常需要维护独立的导航栈。使用Compose Destinations库时,开发者可能会遇到需要在多个导航图中共享相同页面但保持独立导航栈的场景。
从V1到V2的架构演变
在Compose Destinations V1版本中,开发者可以通过routedIn和withinAPI动态地将相同的目的地添加到不同的导航图中。这种方式的典型实现是:
- 创建基础目的地集合
- 为每个底部标签页创建独立的导航图
- 将基础目的地集合添加到每个导航图中
- 最终合并成一个主导航图
这种方式虽然灵活,但存在类型安全问题,容易在运行时出错。
V2版本的改进方案
Compose Destinations V2版本移除了routedIn和withinAPI,转而采用更类型安全的方式:
多图注解方案
对于同一模块内的可组合函数,可以直接添加多个导航图注解:
@Destination<HomeGraph>
@Destination<ShopGraph>
@Composable
fun SharedScreen() { ... }
跨模块方案
当共享页面位于不同模块时,推荐的做法是:
- 在原始模块暴露普通可组合函数
- 在主模块创建多个目的地,每个对应一个导航图
- 每个目的地调用相同的可组合函数
// 在共享模块
@Composable
fun SharedScreenContent() { ... }
// 在主模块
@Destination<HomeGraph>
@Composable
fun HomeSharedScreen() = SharedScreenContent()
@Destination<ShopGraph>
@Composable
fun ShopSharedScreen() = SharedScreenContent()
实现底部导航的独立栈
要实现底部导航的独立导航栈,可以:
- 为每个标签页创建独立的导航图注解
- 在每个导航图中包含共享的目的地
- 使用
NavHost的start参数指定初始图
@NavHostGraph
annotation class MainGraph
@NavGraph<MainGraph>(route = "home")
annotation class HomeGraph {
@ExternalDestination<SharedScreen>(start = true)
companion object
}
@NavGraph<MainGraph>(route = "shop")
annotation class ShopGraph {
@ExternalDestination<SharedScreen>(start = true)
companion object
}
优势对比
V2版本的主要优势在于:
- 编译时类型安全 - 消除了运行时错误的风险
- 更清晰的代码结构 - 导航关系通过注解显式声明
- 更好的模块化支持 - 跨模块的导航更易于管理
- 更少的样板代码 - 无需手动管理路由映射
总结
Compose Destinations V2通过类型安全的注解方式,为多导航图共享路由提供了更可靠的解决方案。虽然需要调整原有的架构思路,但这种改变带来了更好的可维护性和更少的运行时错误。对于需要底部导航独立栈的应用,采用多图注解方案是最佳实践。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0211
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0135
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
774
5.07 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
871
2.01 K
openEuler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。
C
468
461
Ascend Extension for PyTorch
Python
756
956
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
695
1.39 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.03 K
271
昇腾LLM分布式训练框架
Python
182
230
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.03 K
644