RevenueCat/purchases-ios 开源项目使用教程
2024-09-13 07:05:23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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
93
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.33 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1