Swift Composable Architecture 中 ObservableState 导致 UITextView 失效问题解析
问题背景
在 iOS 开发中,Swift Composable Architecture (TCA) 是一个流行的状态管理框架。近期在 iOS 17.4 以下版本中,开发者发现了一个与 @ObservableState 和 UITextView 相关的奇怪问题:当从可观察的 TCA 特性中呈现一个不可观察的特性时,如果该特性包含一个封装在 Representable 视图中的 UITextView,用户将无法在文本视图中输入任何内容。
问题现象
具体表现为:
- 在 iOS 17.2 和 17.3 设备上,当使用
@ObservableState呈现包含UITextView的视图时,文本视图无法接收输入 UITextView的委托方法会被触发,但textView.text属性始终为空字符串- 该问题在 iOS 17.4 及以上版本中不存在
- 纯 SwiftUI 实现或使用旧版 TCA API 时不会出现此问题
问题根源
经过深入分析,这个问题实际上是由于过度渲染导致的。当父特性是可观察的而子特性不可观察时,父特性会导致额外的重新渲染。UITextView 的 Representable 封装对这种过度渲染处理不佳,导致输入失效。
关键点在于:
- 当使用
WithPerceptionTracking包装不可观察的特性时,会导致任何状态变化都触发视图重新渲染 UITextView的 Representable 实现对这种频繁的重新渲染处理不够健壮- iOS 17.4 可能改进了这方面的处理逻辑
解决方案
推荐解决方案
最简单的解决方案是避免对不可观察的特性使用 WithPerceptionTracking。因为不可观察的特性本身不需要感知追踪,所以可以安全地移除包装:
.sheet(item: $destination) { destination in
switch destination {
case .compose:
// 对不可观察特性不使用 WithPerceptionTracking
ComposeView(store: store.scope(state: \.compose, action: \.compose))
case .observableCompose:
WithPerceptionTracking {
// 只有可观察特性需要包装
ObservableComposeView(store: store.scope(state: \.observableCompose, action: \.observableCompose))
}
}
}
其他可行方案
-
使用
@ObservationStateIgnored标记: 在父特性的状态中,可以使用@ObservationStateIgnored标记子特性状态,避免过度观察:@ObservableState struct State { @ObservationStateIgnored var compose = ComposeFeature.State() } -
统一使用可观察特性: 将子特性也迁移为可观察特性可以避免这个问题,但可能需要更多的迁移工作。
技术原理深入
这个问题揭示了 SwiftUI 和 UIKit 交互时的一些微妙之处:
-
Representable 视图的限制:
UIViewRepresentable桥接的 UIKit 组件对 SwiftUI 的渲染周期更为敏感,特别是在频繁重新渲染的情况下。 -
状态观察的粒度: TCA 的
@ObservableState提供了细粒度的状态观察,但不当使用可能导致不必要的重新渲染。 -
版本差异: iOS 17.4 可能优化了 SwiftUI 与 UIKit 组件在频繁更新时的交互方式,使得问题不再出现。
最佳实践建议
-
合理使用感知追踪: 只为真正需要观察变化的特性使用
WithPerceptionTracking。 -
版本兼容性考虑: 对于需要支持多个 iOS 版本的应用,应该进行充分的版本测试。
-
逐步迁移策略: 当从传统 TCA API 迁移到可观察 API 时,建议采用渐进式迁移,并充分测试各组件。
-
性能监控: 使用
_printChanges()调试工具监控状态变化,确保没有意外的过度渲染。
总结
这个问题展示了现代声明式 UI 框架与传统命令式 UI 组件交互时的复杂性。理解状态观察的机制和合理使用 TCA 的各种 API 是避免此类问题的关键。通过遵循推荐的最佳实践,开发者可以构建出既高效又稳定的应用程序。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01