.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。
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