Puerts在Unity安卓平台导出类获取问题的分析与解决
2025-06-07 19:21:09作者:廉彬冶Miranda
问题背景
Puerts作为Unity与TypeScript/JavaScript之间的桥梁,在游戏开发中扮演着重要角色。近期在Puerts 2.2.0版本中发现了一个特定于Android平台的问题:当使用ExecuteModule<JSObject>方法尝试获取导出类时,在Android打包后无法正常获取,而在Windows平台和编辑器环境下则表现正常。
问题现象
开发者在使用Puerts 2.2.0版本时发现,在TS脚本中通过export导出的类,在Android平台打包后无法通过以下两种方式获取:
jsEnv.ExecuteModule<JSObject>(ModuleName, "ClassName");jsEnv.ExecuteModule(ModuleName).Get<JSObject>("ClassName");
这个问题在2.2.0版本之前的版本中不存在,且在2.2.0版本的Windows平台和编辑器环境下也能正常工作。
技术分析
模块系统工作原理
Puerts的模块系统基于ES6模块规范实现。当使用ExecuteModule方法执行一个模块时,实际上是在JavaScript环境中创建了一个模块作用域,所有通过export导出的内容都应该可以通过模块对象访问。
Android平台特殊性
Android平台与Windows平台在JavaScript引擎实现上存在差异,特别是在模块加载和解析机制上。可能的原因包括:
- 模块缓存机制:Android平台可能对模块缓存处理不同,导致导出内容未被正确注册
- 名称解析策略:导出类的名称解析在Android平台可能采用了不同的策略
- 执行环境差异:Android的JavaScript执行环境可能与标准实现存在细微差别
版本变更影响
从2.2.0版本开始,Puerts对模块系统进行了优化和重构,可能引入了对Android平台支持不完善的新特性或改变了某些底层实现方式。
解决方案
针对这一问题,Puerts团队在后续版本中进行了修复。开发者可以采取以下解决方案:
- 升级Puerts版本:使用最新版本的Puerts,该问题已在后续版本中得到修复
- 临时解决方案:如果需要继续使用2.2.0版本,可以考虑以下替代方案:
- 将导出类改为全局变量
- 使用回调函数方式传递类引用
- 通过Puerts的其他API间接获取类实例
最佳实践建议
为避免类似问题,建议开发者在跨平台开发时:
- 充分测试各平台:特别是在移动平台上的表现
- 关注版本变更日志:了解各版本间的兼容性变化
- 模块化设计:采用更健壮的模块组织方式
- 错误处理:增加对模块加载失败的检测和处理逻辑
总结
Puerts在Unity开发中提供了强大的TypeScript/JavaScript支持能力,但在跨平台实现上仍可能遇到特定问题。通过理解模块系统的工作原理和平台差异,开发者可以更好地规避和解决这类问题。对于Android平台特有的导出类获取问题,及时更新到修复版本是最推荐的解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137