解决sqflite框架在iOS应用发布时的签名缺失问题
在使用Flutter的sqflite插件开发iOS应用并准备发布到App Store时,开发者可能会遇到ITMS-91065错误,提示"Missing signature"签名缺失问题。这个问题主要出现在应用包含的sqflite框架未被正确签名的情况下。
问题背景
当开发者使用Flutter构建iOS应用时,特别是当项目采用SwiftUI与Flutter模块混合开发的情况下,sqflite作为底层数据库支持库可能会被间接引入(例如通过cached_network_image等插件)。在构建过程中生成的sqflite.xcframework文件如果没有经过适当的签名处理,就会导致App Store Connect拒绝应用提交。
问题表现
具体错误信息通常显示为:
ITMS-91065: Missing signature - Your app includes "Frameworks/sqflite.framework/sqflite", which includes sqflite, an SDK that was identified in the documentation as a privacy-impacting third-party SDK.
开发者可能会注意到sqflite.xcframework文件在Xcode中显示为未签名状态,这是导致问题的根本原因。
解决方案
方法一:使用CocoaPods集成
对于纯Flutter项目,推荐使用CocoaPods方式集成依赖,而不是直接使用预编译的框架。这可以避免手动签名的问题:
- 确保项目使用最新版本的Flutter和插件
- 清理项目构建缓存:
flutter clean - 删除iOS目录下的Pod相关文件:
Podfile.lock和Pods文件夹 - 在iOS目录下运行:
pod install --repo-update - 重新构建项目:
flutter build ios
方法二:手动签名xcframework
如果必须使用预编译的框架,或者项目结构特殊(如混合开发),则需要手动对sqflite.xcframework进行签名:
-
打开终端,导航到包含sqflite.xcframework的目录
-
执行签名命令:
codesign --timestamp -v -f --sign "开发者证书标识" sqflite.xcframework其中"开发者证书标识"是你在Apple开发者账户中的证书名称或ID
-
验证签名是否成功:
codesign -dv sqflite.xcframework此命令将显示签名详细信息
-
检查签名完整性:
codesign -vv sqflite.xcframework如果一切正常,终端将显示"valid on disk"和"satisfies its Designated Requirement"的确认信息
注意事项
-
签名过程中会生成.dSYM调试符号文件,建议在.gitignore中添加忽略规则,避免将这些文件提交到版本控制
-
确保使用正确的开发者证书进行签名,否则可能导致其他构建问题
-
对于长期项目,建议考虑将签名步骤集成到CI/CD流程中,确保每次构建都能正确处理
-
如果手动签名后遇到归档问题,可能需要检查Xcode项目的签名设置是否一致
总结
处理sqflite框架的签名问题需要根据项目具体情况选择合适的方法。对于大多数标准Flutter项目,使用CocoaPods集成是更简单可靠的方案。而对于特殊项目结构或特定需求,手动签名提供了灵活的解决方案。无论采用哪种方法,确保框架正确签名都是成功发布iOS应用的关键步骤。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00