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。
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