React Native Screens 库中 libfbjni.so 冲突问题的分析与解决
问题背景
在使用 React Native 开发 Android 应用时,许多开发者遇到了一个常见的构建错误,特别是在集成 react-native-screens 库后。这个错误表现为在构建过程中出现 libfbjni.so 文件冲突,导致构建失败。该问题主要影响使用 React Native 0.76.x 版本和 react-native-screens 3.35.0 及以上版本的项目。
错误现象
当开发者在项目中添加 react-native-screens 库后,执行 Android Studio 的"Make Project"或"Rebuild Project"操作时,会遇到如下错误信息:
Execution failed for task ':react-native-screens:mergeDebugAndroidTestNativeLibs'
2 files found with path 'lib/arm64-v8a/libfbjni.so' from inputs:
错误表明系统在构建过程中发现了两个相同路径的 libfbjni.so 文件,一个来自 react-native-screens 的构建中间产物,另一个来自 React Native 的缓存目录。
问题根源
这个问题的本质是 Android 构建系统中的库文件冲突。libfbjni.so 是 Facebook 提供的 JNI 库,被 React Native 框架和 react-native-screens 库同时依赖。在构建过程中,Gradle 发现两个相同名称的库文件但来自不同路径,导致构建失败。
值得注意的是,这个问题通常只在使用 Android Studio 进行"Rebuild Project"时出现,而通过命令行构建 APK 或 bundle 时可能不会出现。
解决方案
1. 清理构建缓存
首先尝试清理项目构建缓存和 Gradle 缓存:
- 删除项目目录下的 node_modules 文件夹
- 删除 android/app/build 目录
- 删除 android/app/.cxx 目录
- 删除 android/build 目录
- 清理 Gradle 缓存 (~/.gradle/caches)
2. 修改 react-native-screens 的构建配置
如果清理缓存不能解决问题,可以修改 react-native-screens 库的构建配置,明确排除冲突的库文件:
在 node_modules/react-native-screens/android/build.gradle 文件中,找到 packagingOptions 部分,添加以下排除规则:
packagingOptions {
excludes = [
"META-INF",
"META-INF/**",
"**/libjsi.so",
"**/libc++_shared.so",
"**/libreact_render*.so",
"**/libreactnativejni.so",
"**/libreact_performance_timeline.so",
"**/libfbjni.so", // 新增排除规则
"**/libreactnative.so" // 新增排除规则
]
}
3. 使用 patch-package 持久化修改
为了避免每次安装依赖后都需要手动修改,可以使用 patch-package 工具来持久化这些修改:
- 安装 patch-package:
npm install patch-package --save-dev - 修改 node_modules/react-native-screens/android/build.gradle 文件
- 运行
npx patch-package react-native-screens - 这将在项目根目录创建 patches 文件夹,保存你的修改
预防措施
- 保持 React Native 和 react-native-screens 版本的最新状态
- 定期清理构建缓存
- 考虑在 CI/CD 流程中加入缓存清理步骤
- 对于团队项目,使用 patch-package 共享构建配置修改
总结
libfbjni.so 冲突问题是 React Native 生态系统中常见的构建问题之一,主要源于库之间的依赖关系管理。通过理解问题的本质并应用上述解决方案,开发者可以有效地解决这一构建障碍,确保项目的顺利构建和运行。
对于长期项目维护,建议关注 React Native 和 react-native-screens 的版本更新,因为官方可能会在未来版本中解决这类依赖冲突问题。
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
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
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