Briefcase项目在macOS上代码签名问题的分析与解决
问题背景
在使用Briefcase工具打包基于PySide6的macOS应用时,开发者遇到了代码签名失败的问题,特别是在处理QtWebEngineCore框架时。这个问题主要出现在M1芯片的MacBook Pro运行Sonoma系统的环境下。
问题现象
当开发者尝试使用Briefcase构建包含QtWebEngineCore的PySide6应用时,代码签名过程会失败,错误信息显示无法对QtWebEngineCore框架进行签名。开发者最初尝试通过手动修改Briefcase源代码,在签名命令中添加--deep参数来解决问题,这种方法虽然临时有效,但不是最佳解决方案。
技术分析
经过深入调查,发现问题根源在于签名顺序的不合理。QtWebEngineCore.framework包含多个需要签名的组件:
- 主框架文件:Versions/A/QtWebEngineCore
- 帮助进程相关文件:
- Versions/A/Helpers/QtWebEngineProcess.app/Contents/MacOS/QtWebEngineProcess
- Versions/A/Helpers/QtWebEngineProcess.app
- Helpers/QtWebEngineProcess.app/Contents/MacOS/QtWebEngineProcess
- Helpers/QtWebEngineProcess.app
Briefcase当前的签名实现是按照父目录分组后,按反向字母顺序并行签名。这导致主框架文件(QtWebEngineCore)在帮助进程文件之前被签名,从而引发签名错误。
解决方案
正确的签名顺序应该是:
- 先签名所有子目录中的文件
- 最后签名主框架文件
具体来说,应该按照以下顺序签名:
- Versions/A/Helpers/QtWebEngineProcess.app/Contents/MacOS/QtWebEngineProcess
- Versions/A/Helpers/QtWebEngineProcess.app
- Helpers/QtWebEngineProcess.app/Contents/MacOS/QtWebEngineProcess
- Helpers/QtWebEngineProcess.app
- Versions/A/QtWebEngineCore
这种顺序确保了依赖关系的正确处理,使得签名过程能够顺利完成。
实施建议
对于Briefcase项目,建议修改签名逻辑,确保在签名任何目录中的文件之前,先签名该目录下的所有子目录内容。这可以通过调整文件排序算法实现,使得子目录总是排在父目录文件之前被处理。
临时解决方案
对于急需解决问题的开发者,可以采取以下临时措施:
- 确保项目中正确包含了PySide6-Addons和PySide6-Essentials
- 清理构建目录中的dist-info文件
- 重新运行构建命令
总结
macOS应用的代码签名是一个复杂的过程,特别是当应用包含嵌套框架时。Briefcase项目在处理QtWebEngineCore框架时的签名顺序问题,揭示了框架签名顺序的重要性。通过调整签名顺序,可以避免使用已被弃用的--deep参数,同时确保签名过程顺利完成。这一发现不仅解决了当前问题,也为处理类似框架签名问题提供了参考方案。
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 StartedRust0197
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 Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
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
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python06
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07