FlutterFire iOS 版本 3.27+ 导航异常问题分析与解决方案
问题背景
在使用 FlutterFire 的 Firebase Auth 插件进行手机号验证时,开发者发现在 iOS 平台上从 3.27 版本开始出现了一个导航异常问题。具体表现为:当用户输入手机号后触发 reCAPTCHA 验证时,原生验证界面弹出,验证完成后本应返回登录界面并导航到 OTP 验证码界面,但实际上却直接关闭了 reCAPTCHA 和登录两个界面。
问题现象
在 Flutter 3.24.5 版本中,整个验证流程工作正常:
- 用户输入手机号
- 触发 reCAPTCHA 验证
- 验证完成后返回登录界面
- 自动导航到 OTP 验证码界面
但在 Flutter 3.27.4 及以上版本中,验证完成后会直接关闭 reCAPTCHA 和登录两个界面,导致用户无法继续完成 OTP 验证流程。
技术分析
这个问题与 Flutter 3.27 版本引入的深度链接处理机制变更有关。在 Flutter 3.27 中,对深度链接的处理方式进行了调整,这影响了 Firebase Auth 插件中 reCAPTCHA 验证完成后的回调处理。
具体来说,当 reCAPTCHA 验证完成后,Firebase 会通过一个深度链接回调到应用。在旧版本中,这个回调能够正确触发后续的导航逻辑,但在新版本中,由于深度链接处理的变化,这个回调被错误地处理,导致界面被意外关闭。
解决方案
针对这个问题,开发者可以采用以下解决方案:
方案一:配置 Info.plist 文件
在 iOS 项目的 Info.plist 文件中添加以下配置:
<key>FirebaseEncodedAppId</key>
<string>$(FIREBASE_ENCODED_APP_ID)</string>
方案二:修改 AppDelegate.swift 文件
在 AppDelegate.swift 中添加以下代码,专门处理 Firebase Auth 的 reCAPTCHA 回调:
override func application(
_ app: UIApplication,
open url: URL,
options: [UIApplication.OpenURLOptionsKey: Any] = [:]
) -> Bool {
if let firebaseEncodedAppId = Bundle.main.object(forInfoDictionaryKey: "FirebaseEncodedAppId") as? String,
url.scheme == firebaseEncodedAppId {
// 让 Firebase 处理这个 URL
return true
}
return super.application(app, open: url, options: options)
}
注意事项
-
虽然 Firebase 提供了
Auth.auth().canHandle(url)方法来判断是否处理某个 URL,但在这种情况下可能返回 false,因此不建议依赖这个方法。 -
这个解决方案适用于 Flutter 3.27 及以上版本,如果使用更低版本则不需要这些修改。
-
在实现解决方案后,建议全面测试整个验证流程,确保从 reCAPTCHA 验证到 OTP 验证的导航都能正常工作。
总结
Flutter 3.27 版本的深度链接处理机制变更导致了 Firebase Auth 插件在 iOS 平台上的导航异常。通过正确配置 Info.plist 和修改 AppDelegate.swift 文件,可以解决这个问题,确保用户验证流程能够顺利完成。开发者在使用较新版本的 Flutter 和 FlutterFire 插件时,应当注意这些兼容性问题,并及时应用相应的解决方案。
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