微软认证库(MSAL)for iOS 和 macOS 使用指南
2024-09-27 08:17:40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
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
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137