微软认证库(MSAL)for iOS 和 macOS 使用指南
2024-09-27 20:20:05作者:郜逊炳
项目目录结构及介绍
微软认证库(MSAL)的GitHub仓库提供了全面的开发资源,其主要目录结构布局如下:
- [MSAL.xcworkspace]: Xcode的工作区文件,用于打开并管理整个项目和相关的依赖。
- [Samples]: 包含示例代码,分为iOS和macOS两个部分,展示了如何在实际应用中集成MSAL。
- [azure_pipelines]: 持续集成(CI)的配置文件,用于自动化测试和构建流程。
- [docs]: 文档目录,包括SDK的使用说明和技术文档。
- [gitignore]: 忽略特定文件或目录的Git配置。
- [LICENSE]: 许可证文件,表明该库遵循MIT协议。
- [MSAL.podspec]: CocoaPods的规格文件,用于定义MSAL库的版本信息和依赖关系。
- [PULL_REQUEST_TEMPLATE.md]: 提交拉取请求时的模板,规范贡献者的行为。
- [README.md]: 项目的概述性文档,是开发者首次访问项目时的重要入口点。
- [ReleaseArchive.sh]: 脚本文件,可能用于自动化版本发布过程。
- [swiftPackage.swift]: 如果存在,将是Swift包管理器的描述文件。
此外,还有一些脚本文件(*.sh), 用于特定的自动化任务,以及Python脚本(*.py)和JSON配置文件(*.json),这些通常是辅助工具或配置相关。
启动文件介绍
虽然MSAL作为一个库,并没有一个传统的“启动文件”,但当你在自己的应用中集成MSAL时,关键的起点通常是在你的应用delegate或初始化逻辑中设置公共客户端应用程序(MSALPublicClientApplication)。以下是一个简化的Swift示例,展示如何开始配置和获取认证令牌:
let config = MSALPublicClientApplicationConfig(clientId: "你的客户端ID")
if let application = try? MSALPublicClientApplication(configuration: config) {
// 接下来的步骤涉及设置范围和发起身份验证请求
}
else {
print("无法创建MSAL应用实例。")
}
项目的配置文件介绍
MSALPublicClientApplicationConfig
MSAL的配置主要是通过MSALPublicClientApplicationConfig类来设定的,它不是作为一个单独的配置文件存在,而是在代码中创建的实例。这个配置包含了诸如客户端ID、缓存策略、账户模式等基本信息。例如:
let config = MSALPublicClientApplicationConfig(clientId: "<你的客户端ID>",
redirectUri: "你的重定向URI",
authority: "https://login.microsoftonline.com/common")
除了主应用配置外,对于环境变量或者外部配置的管理,开发者通常会在自己的应用里维护相应的配置文件(如.env或自定义plist文件),但这些不在MSAL库本身提供,而是应用开发者需要自行组织的部分。
注意事项
在进行项目配置时,重要的是要在Microsoft Entra ID(之前称为Azure Active Directory)注册你的应用,并正确设置所需的权限和重定向URI。这一步骤不在MSAL的仓库直接体现,但它是成功集成MSAL到你的应用的前提条件之一。
通过以上内容,您可以开始理解和集成MSAL到您的iOS或macOS应用中,确保用户能够安全地登录并访问受保护的API。
登录后查看全文
热门项目推荐
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-1.5暂无简介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
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
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210