Badgemagic-android项目中的蓝牙权限缺失问题分析与解决
问题背景
在Badgemagic-android项目中,用户报告了一个随机发生的崩溃问题。该问题出现在用户安装新APK后尝试通过应用向徽章发送数据时。崩溃日志显示,应用因缺少android.permission.BLUETOOTH_SCAN权限而终止。
问题现象
当用户执行以下操作序列时会出现崩溃:
- 卸载手机上已存在的应用
- 安装基于最新提交构建的新APK
- 输入一些文本准备发送
- 点击传输按钮
预期行为是应用应该成功将数据发送到徽章设备,但实际结果是应用崩溃并显示权限相关的安全异常。
技术分析
从崩溃日志中可以清晰地看到关键错误信息:
java.lang.SecurityException: Need android.permission.BLUETOOTH_SCAN permission for android.content.AttributionSource@46abcb80: GattService registerScanner
这个异常表明应用在尝试执行蓝牙扫描操作时,系统检测到缺少必要的BLUETOOTH_SCAN权限。在Android 12及更高版本中,Google加强了蓝牙权限管理,引入了更细粒度的权限控制。
调用栈分析
崩溃调用栈显示了完整的执行路径:
- 用户点击触发
TextArtFragment中的按钮点击事件 - 调用
SendingUtils.sendMessage() - 进而调用
SendingUtils.sendBytes() - 通过
ScanHelper.startLeScan()启动蓝牙低功耗扫描 - 最终在系统级的
BluetoothLeScanner中因权限检查失败而抛出异常
Android蓝牙权限演变
在Android 12之前,蓝牙扫描只需要ACCESS_FINE_LOCATION权限。但从Android 12开始,Google引入了三个新的运行时权限:
BLUETOOTH_SCAN:用于发现和配对附近的蓝牙设备BLUETOOTH_CONNECT:用于与已配对的蓝牙设备通信BLUETOOTH_ADVERTISE:允许设备被其他蓝牙设备发现
解决方案
要解决这个问题,需要在AndroidManifest.xml中添加以下权限声明:
<uses-permission android:name="android.permission.BLUETOOTH_SCAN" />
对于Android 12及以上设备,还需要在代码中动态请求这些权限。最佳实践是在尝试任何蓝牙操作前检查并请求必要的权限。
实现建议
-
清单文件声明:确保所有必需的蓝牙权限都在AndroidManifest.xml中声明
-
运行时权限请求:对于Android 12+设备,在适当的时候请求权限
-
权限检查:在执行蓝牙操作前验证权限状态
-
优雅降级:当权限被拒绝时提供友好的用户提示
兼容性考虑
由于不同Android版本对蓝牙权限的要求不同,建议实现版本感知的权限处理逻辑:
- 对于Android 12+:需要
BLUETOOTH_SCAN权限 - 对于Android 6-11:需要
ACCESS_FINE_LOCATION权限 - 对于Android 5及以下:只需要在清单中声明权限
总结
这个崩溃问题揭示了在Android开发中处理权限,特别是随着Android版本演进而变化的权限要求的重要性。开发者需要密切关注Android平台的权限模型变化,并确保应用在所有支持的Android版本上都能正确处理权限请求。对于Badgemagic-android这样的蓝牙通信应用,正确处理蓝牙相关权限是保证应用稳定性的关键因素。
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