PojavLauncher在Android 14上加载Mod时出现访问权限问题的分析与解决方案
问题现象
在PojavLauncher项目中,用户反馈在Android 14设备上加载Minecraft 1.19.2 Forge版本时,添加Mahoutsukai等Mod后会出现崩溃问题。崩溃日志显示系统抛出了"AccessDeniedException"异常,表明程序无法访问位于/storage/emulated/0/Android/data/net.kdt.pojavlaunch/files/.minecraft/mods/目录下的Mod文件。
技术背景分析
这个问题本质上是一个Android存储权限问题。从Android 11(API 30)开始,Google引入了Scoped Storage(分区存储)机制,对应用访问外部存储的权限进行了更严格的限制。特别是:
- 应用只能访问自己专属的存储目录(位于Android/data/包名/)
- 即使拥有存储权限,也不能直接访问其他应用的数据
- 需要通过Storage Access Framework(SAF)或MediaStore API来访问共享存储
在Android 14上,这些限制变得更加严格。从崩溃日志可以看到,PojavLauncher尝试通过Java NIO API直接访问Mod文件时被系统拒绝。
解决方案
对于开发者或高级用户,可以通过以下几种方式解决此问题:
-
使用专用文件管理器应用 推荐使用支持Android新存储机制的文件管理器(如Files by Marc),将Mod文件移动到PojavLauncher的专属目录中。这样操作可以确保文件权限正确设置。
-
修改PojavLauncher的存储访问策略 开发者需要更新应用代码,使用以下方法之一:
- 实现Storage Access Framework集成
- 使用MediaStore API访问文件
- 申请MANAGE_EXTERNAL_STORAGE权限(不推荐,可能被Google Play拒绝)
-
临时解决方案 对于测试目的,可以尝试:
- 将Mod文件放在内部存储目录(/data/data/包名/)
- 使用adb命令手动修改文件权限
最佳实践建议
-
对于Mod开发者:
- 考虑将Mod打包为更小的文件,减少存储访问需求
- 提供明确的安装指南,指导用户正确放置文件
-
对于PojavLauncher用户:
- 定期备份Mod和存档
- 关注应用更新,及时获取存储兼容性修复
- 考虑使用较新的Minecraft版本,可能具有更好的存储兼容性
总结
Android 14的存储权限变更给Java游戏启动器带来了新的挑战。PojavLauncher需要适应这些变化,更新其文件访问机制。用户在使用时也需要注意遵循新的存储规范,合理管理Mod文件位置。随着Android系统的持续演进,这类存储兼容性问题将变得越来越常见,需要开发者和用户共同适应。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00