React Native Navigation 在 iOS 上编译时遇到 Coroutine.h 文件缺失问题的解决方案
在 React Native 生态系统中,React Native Navigation 是一个广受欢迎的路由和导航库。近期有开发者反馈,在将 React Native 从 0.73.6 升级到 0.76.0 版本后,iOS 平台构建时出现了 'folly/experimental/coro/Coroutine.h' file not found 的编译错误。
问题背景
这个错误通常出现在 React Native 项目升级过程中,特别是当涉及到 Folly 库(Facebook 开源的 C++ 库)的版本变更时。Folly 是 React Native 底层依赖的重要组件之一,它提供了许多 C++ 扩展功能。
在 React Native 0.76.0 版本中,Folly 库的配置发生了变化,导致某些头文件路径或编译标志不兼容,从而引发了 Coroutine.h 文件找不到的问题。
解决方案
经过社区验证,目前有以下几种可行的解决方案:
方案一:修改 Folly 配置标志
在项目的 Podfile 中添加以下 post_install 钩子:
post_install do |installer|
system("chmod -R u+w Pods/RCT-Folly")
Dir.glob("Pods/RCT-Folly/folly/Portability.h").each do |file|
text = File.read(file)
new_contents = text.gsub('#define FOLLY_HAS_COROUTINES 1', '#define FOLLY_HAS_COROUTINES 0')
File.open(file, "w") { |file| file.puts new_contents }
end
end
这个方案的工作原理是:
- 首先确保对 RCT-Folly 目录有写入权限
- 找到 Folly 的 Portability.h 头文件
- 将 FOLLY_HAS_COROUTINES 标志从 1 改为 0,禁用协程功能
方案二:直接修改项目配置
另一种方法是在 Xcode 项目的构建设置中添加预处理器宏:
-DFOLLY_CFG_NO_COROUTINES=1
这个宏会告诉编译器不要包含协程相关的代码,从而避免编译时查找 Coroutine.h 文件。
注意事项
-
这些解决方案主要是通过禁用 Folly 的协程功能来绕过编译错误,如果项目确实需要使用协程特性,可能需要寻找其他解决方案。
-
在 React Native 0.76.1 版本中,虽然这个特定问题可以通过上述方法解决,但开发者报告还存在其他构建问题需要处理。
-
建议在修改这些配置前,先备份项目,并确保理解这些更改对项目可能产生的影响。
深入理解
这个问题的根源在于 React Native 新版本中 Folly 库的更新带来了协程功能的默认启用,而 React Native Navigation 或其他依赖库可能还没有完全适配这一变化。协程是 C++20 引入的重要特性,用于简化异步编程,但在某些环境下可能不需要或不被支持。
对于 React Native 开发者来说,理解这些底层依赖的变化对于解决升级过程中的兼容性问题非常重要。随着 React Native 生态系统的不断演进,类似的底层库更新可能会带来更多的构建挑战,保持对社区动态的关注和及时调整项目配置是关键。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00