XXPermissions项目:适配谷歌去除READ_MEDIA_IMAGES和READ_MEDIA_VIDEO权限指南
2025-06-04 10:44:54作者:卓炯娓
背景介绍
随着Android系统的不断演进,谷歌对权限管理的要求越来越严格。在最新的Android版本中,谷歌要求开发者去除READ_MEDIA_IMAGES和READ_MEDIA_VIDEO这两个权限,这对许多应用特别是需要访问媒体文件的开发者带来了适配挑战。
权限变更解析
READ_MEDIA_IMAGES和READ_MEDIA_VIDEO权限原本用于访问设备上的图片和视频文件。在Android 13及更高版本中,谷歌调整了媒体文件访问策略,要求开发者减少对这些权限的依赖,以更好地保护用户隐私。
适配方案
1. 直接移除权限声明
最简单的适配方式是直接从应用的AndroidManifest.xml文件中移除这两个权限的声明。这是最直接的合规方式,但需要考虑移除后对应用功能的影响。
2. 运行时权限检查
对于targetSdkVersion设置为34的应用,建议采用以下策略:
- 在访问媒体文件前,先检查是否拥有相应权限
- 如果没有权限,则考虑其他替代方案
- 对于必须访问媒体文件的功能,可以引导用户手动选择文件
3. 公共文件夹访问策略
对于存储在公共文件夹(如DCIM)中的资源,开发者需要注意:
- 公共文件夹的访问权限可能受到更严格的限制
- 考虑将资源迁移到应用私有目录
- 对于线上资源,可以重新下载到应用私有目录
最佳实践建议
-
资源存储策略:尽量避免将应用关键资源存储在公共媒体目录,优先考虑应用私有存储空间。
-
权限降级:评估是否真的需要这些权限,很多情况下可以使用更细粒度的文件选择器API替代。
-
用户引导:当检测到无权限时,提供清晰的用户引导,解释为什么需要这些权限以及如何授予。
-
兼容性处理:对不同Android版本采用不同的资源访问策略,确保老版本设备上的功能不受影响。
技术实现示例
以下是一个典型的权限检查和处理流程:
// 检查是否有媒体访问权限
if (!XXPermissions.isGranted(context, Permissions.READ_MEDIA_IMAGES)) {
// 无权限时的处理逻辑
// 1. 可以提示用户并请求权限
// 2. 或者使用其他替代方案
downloadResourceFromServer();
} else {
// 有权限时的正常逻辑
accessMediaFiles();
}
总结
适配谷歌的权限要求不仅是合规的需要,也是保护用户隐私的重要措施。通过合理调整资源存储策略和权限使用方式,开发者可以在满足新要求的同时保持应用功能的完整性。XXPermissions项目提供了便捷的权限检查和管理工具,可以帮助开发者更轻松地完成这一适配过程。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
412
3.17 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++
664
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146