.NET MAUI 中 iOS 平台 OpenUrl 方法失效问题解析
问题背景
在 .NET MAUI 9.0.40 SR4 版本中,iOS 平台上的 OpenUrl 方法出现了不执行的问题。这个问题影响了使用深度链接(Deep Linking)功能的应用程序,特别是那些需要通过自定义 URL Scheme 从网页跳转回应用并处理登录流程的场景。
技术细节
在 iOS 平台上,传统的 OpenUrl 方法调用方式已经发生了变化。原先的实现方式是通过 AppDelegate 中的 OpenUrl 方法来处理传入的 URL,但在新版本中,这一机制已经迁移到了 SceneDelegate。
旧实现方式
base.OpenUrl(application, url, options);
if (url == null || string.IsNullOrWhiteSpace(url.ToString()))
{
return true;
}
AuthenticationContinuationHelper.SetAuthenticationContinuationEventArgs(url);
if (url.ToString().StartsWith("OurKeyWord", StringComparison.OrdinalIgnoreCase))
{
MainThread.BeginInvokeOnMainThread(async () =>
{
var result = await loginPage.ViewModel.TryLogin(logintype);
});
}
新实现方案
开发者发现需要重写 SceneDelegate 中的 OpenUrl 方法:
public override bool OpenUrl(UIScene scene, NSSet<UIOpenUrlContext> set)
{
var url = set.ToArray().First().Url;
// 后续处理逻辑...
}
解决方案
-
迁移到 SceneDelegate:开发者需要将 URL 处理逻辑从 AppDelegate 迁移到 SceneDelegate 中。
-
URL 获取方式变化:现在 URL 是通过 UIOpenUrlContext 集合获取的,需要使用
set.ToArray().First().Url来提取。 -
Info.plist 配置:确保在 Info.plist 中正确配置了 URL Scheme:
<key>CFBundleURLTypes</key>
<array>
<dict>
<key>CFBundleURLSchemes</key>
<array>
<string>OurKeyWord</string>
</array>
</dict>
</array>
深入理解
这一变化反映了 iOS 平台向多窗口支持的演进。SceneDelegate 的引入是为了更好地管理应用的生命周期和 UI 状态,特别是在支持多个窗口的场景下。因此,与 UI 相关的操作,包括 URL 处理,都迁移到了 SceneDelegate 中。
对于 .NET MAUI 开发者来说,理解这一底层变化很重要,因为它不仅影响深度链接功能,还可能影响其他与应用生命周期相关功能的实现方式。
最佳实践
-
兼容性考虑:在实现时应该同时考虑新旧两种方式,以确保应用在不同 iOS 版本上都能正常工作。
-
错误处理:增加对 URL 提取过程的错误处理,防止集合为空等情况导致应用崩溃。
-
测试验证:在实现后,应该通过实际场景测试验证深度链接功能是否正常工作。
这一问题的解决展示了 .NET MAUI 开发中需要关注底层平台变化的重要性,特别是在处理平台特定功能时。开发者需要保持对 iOS SDK 变化的关注,并及时调整实现方式。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00