TZImagePickerController在iOS18下的图片加载问题解析
问题背景
近期有开发者反馈,在使用Xcode16 beta和iOS18.0模拟器环境下运行TZImagePickerController时,遇到了一个图片无法显示的异常情况。具体表现为:当用户授予相册完全访问权限后,图片选择界面仍然空白,同时在调试控制台中可以看到"Unsupported fetch for asset collections with type 2 and subtype 2"的错误提示。
技术分析
这个问题本质上与iOS18系统对相册访问API的改动有关。在iOS18中,苹果对Photos框架进行了调整,特别是对PHAssetCollectionSubtype类型的处理逻辑发生了变化。
错误信息中提到的"type 2 and subtype 2"对应的是PHAssetCollectionSubtypeAlbumRegular类型。在iOS18之前,这个类型被广泛用于获取常规相册中的资源集合,但在新系统中,这种获取方式不再被支持。
解决方案
项目维护者banchichen迅速响应并修复了这个问题。解决方案是将原先使用的PHAssetCollectionSubtypeAlbumRegular替换为更通用的PHAssetCollectionSubtypeAny类型。这个修改确保了在不同iOS版本下都能正确获取相册资源。
PHAssetCollectionSubtypeAny是一个特殊的值,它表示不限制子类型,可以匹配任何类型的相册集合。这种修改虽然简单,但非常有效,因为它:
- 保持了向后兼容性,不影响在旧版iOS上的运行
- 适应了iOS18的新变化
- 不会影响图片选择器的核心功能
版本更新
该修复已经包含在TZImagePickerController的3.8.6版本中。开发者只需将库更新至最新版本即可解决此问题。
开发者建议
对于使用图片选择功能的开发者,我们建议:
- 及时更新依赖库版本,特别是当目标系统包含iOS18时
- 在适配新系统版本时,充分测试相册相关功能
- 关注苹果官方文档中关于Photos框架的变更说明
- 对于权限相关的功能,确保在代码中正确处理各种权限状态
总结
这次问题修复展示了开源社区对新技术快速适应的能力。通过简单的类型替换,TZImagePickerController成功解决了iOS18兼容性问题,为开发者提供了无缝的升级体验。这也提醒我们,在系统大版本更新时,相册访问等敏感权限相关的API可能会发生变化,需要特别关注。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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