Kivy/Buildozer 项目在 Android 15 上的全屏显示问题分析与解决方案
在 Kivy 和 Buildozer 开发过程中,开发者可能会遇到一个特定于 Android 15 的显示问题:即使明确设置了 fullscreen = 0,应用程序仍然会进入全屏模式。这个问题不仅影响了应用的视觉呈现,还可能导致界面元素被系统导航栏遮挡。
问题现象
当开发者将应用部署到 Android 15 设备上时,发现应用的显示行为与预期不符。具体表现为:
- 应用界面占据了整个屏幕空间
- 系统导航栏被隐藏或变为透明
- 界面元素可能被系统UI遮挡
- 在 buildozer.spec 中设置
fullscreen = 0无效
问题根源分析
经过深入调查,这个问题主要涉及以下几个技术层面:
-
Android 15 显示特性变更:Android 15 引入了新的显示管理机制,对全屏模式的处理方式有所调整。
-
KivyMD 组件兼容性问题:特别是当使用 MDBottomSheet 等高级组件时,可能会干扰正常的显示模式设置。
-
构建工具链配置:python-for-android 的默认模板中可能包含了一些强制全屏的样式设置。
解决方案
方法一:修改构建配置
-
在 buildozer.spec 中添加或修改以下配置:
p4a.branch = develop -
清理构建缓存:
rm -rf .buildozer buildozer android clean
方法二:手动修改模板文件
-
定位到模板文件:
.buildozer/android/platform/python-for-android/pythonforandroid/bootstraps/sdl2/build/templates/AndroidManifest.tmpl.xml -
删除或注释掉以下行:
android:theme="@style/KivySupportCutout" -
重新构建应用。
方法三:调整 KivyMD 布局结构
-
确保应用的主返回结构正确,避免使用 MDScreen 作为根组件。
-
考虑使用 ScrollView 包裹内容,以适应不同尺寸的屏幕。
-
调整字体大小和组件尺寸,确保在不同设备上都能正确显示。
最佳实践建议
-
版本控制:保持 Kivy、KivyMD 和 Buildozer 工具链的版本更新,及时获取最新的兼容性修复。
-
多设备测试:在开发过程中,应在多个 Android 版本和设备上进行测试,特别是针对新发布的 Android 版本。
-
布局弹性设计:使用相对尺寸和弹性布局,而不是固定尺寸,以适应不同的屏幕配置。
-
样式覆盖:了解如何覆盖 Android 默认样式,以便更好地控制应用的显示行为。
通过以上方法和建议,开发者可以有效解决 Android 15 上的全屏显示问题,确保应用在各种设备上都能提供一致的用户体验。
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