RevenueCat/purchases-ios 开源项目使用教程
2024-09-13 16:51:25作者:宣聪麟
1. 项目介绍
RevenueCat 是一个强大的、可靠的、免费使用的应用内购买服务器,支持跨平台。其开源框架为 iOS、watchOS、tvOS、macOS 和 visionOS 提供了后端和 StoreKit 的封装,使得实现应用内购买和订阅变得简单。无论你是构建新应用还是已经有大量用户,RevenueCat 都能帮助你:
- 通过原生 SDK 获取产品、进行购买和检查订阅状态。
 - 通过仪表板远程托管和配置产品。
 - 在一个地方分析应用业务的关键指标。
 - 查看客户交易历史、计算生命周期价值并授予促销订阅。
 - 通过 Webhooks 实时接收事件通知。
 - 通过简单的集成将丰富的购买事件发送到分析和归因工具。
 
2. 项目快速启动
安装
首先,使用 Swift Package Manager (SPM) 安装 RevenueCat SDK:
// 在 Xcode 中,选择 File > Swift Packages > Add Package Dependency
// 输入以下 URL:
https://github.com/RevenueCat/purchases-ios
初始化
在你的应用启动时初始化 RevenueCat SDK:
import Purchases
func application(_ application: UIApplication, didFinishLaunchingWithOptions launchOptions: [UIApplication.LaunchOptionsKey: Any]?) -> Bool {
    Purchases.configure(withAPIKey: "your_revenuecat_api_key")
    return true
}
获取产品
获取应用内购买产品:
Purchases.shared.getProducts(["your_product_id"]) { (products, error) in
    if let products = products {
        // 处理产品列表
    }
}
进行购买
进行应用内购买:
Purchases.shared.purchaseProduct(product) { (transaction, purchaserInfo, error, userCancelled) in
    if let purchaserInfo = purchaserInfo {
        // 处理购买成功
    }
}
检查订阅状态
检查用户的订阅状态:
Purchases.shared.purchaserInfo { (purchaserInfo, error) in
    if let purchaserInfo = purchaserInfo {
        // 检查订阅状态
    }
}
3. 应用案例和最佳实践
应用案例
- 订阅管理:使用 RevenueCat 管理应用的订阅服务,包括自动续订订阅和非续订订阅。
 - 促销活动:通过 RevenueCat 的 Webhooks 和分析工具,实时跟踪促销活动的效果。
 - 跨平台同步:在 iOS、macOS 和 tvOS 等多个平台上同步用户的订阅状态。
 
最佳实践
- 配置 In-App Purchase Key:在升级到 v5 时,确保在 RevenueCat 仪表板中配置 In-App Purchase Key,否则购买将失败。
 - 使用 Webhooks:通过 Webhooks 实时接收购买事件,以便及时更新用户状态和发送通知。
 - 集成分析工具:将 RevenueCat 与第三方分析工具集成,以便更好地了解用户行为和购买模式。
 
4. 典型生态项目
- Firebase Analytics:通过 Firebase Analytics 集成,跟踪用户行为和购买事件。
 - Segment:使用 Segment 将 RevenueCat 数据发送到多个分析和归因工具。
 - Mixpanel:通过 Mixpanel 分析用户留存和购买转化率。
 
通过这些生态项目的集成,可以更全面地分析和优化应用的盈利模式。
登录后查看全文 
热门项目推荐
相关项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
 
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
 
最新内容推荐
 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 LabVIEW串口通信开发全攻略:从入门到精通的完整解决方案 操作系统概念第六版PDF资源全面指南:适用场景与使用教程 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 Python Django图书借阅管理系统:高效智能的图书馆管理解决方案 PANTONE潘通AI色板库:设计师必备的色彩管理利器 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
274
2.57 K
deepin linux kernel
C
24
6
React Native鸿蒙化仓库
JavaScript
222
302
Ascend Extension for PyTorch
Python
104
132
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++
598
158
暂无简介
Dart
566
126
一个用于服务器应用开发的综合工具库。
- 零配置文件
- 环境变量和命令行参数配置
- 约定优于配置
- 深刻利用仓颉语言特性
- 只需要开发动态链接库,fboot负责加载、初始化并运行。
Cangjie
249
14
🎉 (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
1.03 K
607
仓颉编译器源码及 cjdb 调试工具。
C++
118
101
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
1.02 K
446