Granola:健康数据的营养化序列器
Granola,一个用于将你的HealthKit数据转化为JSON的健康良伴,让你轻松地将这些宝贵的数据存储到HealthKit之外的地方,如远程服务器进行分析或备份。借助Granola,你可以省去手动映射HealthKit API到JSON的繁琐工作,并确保输出的JSON符合Open mHealth开发的规范,使其更具直观性和临床意义。
安装
使用CocoaPods,Objective-C的依赖管理工具,只需在你的Podfile中添加:
pod "Granola"
然后运行:
$ pod install
简单几步,Granola就已准备就绪。
使用
快速启动时,首先要熟悉Apple的HealthKit Framework Reference,了解如何请求用户的权限以及如何查询获取的数据。以下是一个简单的示例,展示如何将步数样本转换为JSON:
// ...
HKSampleQuery* query =
[[HKSampleQuery alloc] initWithSampleType:stepsSampleType
predicate:nil
limit:HKObjectQueryNoLimit
sortDescriptors:nil
resultsHandler:^(HKSampleQuery *query,
NSArray *results,
NSError *error) {
HKQuantitySample *sample = [results first];
OMHSerializer *serializer = [OMHSerializer new];
NSString* jsonString = [serializer jsonForSample:sample error:nil];
NSLog(@"sample json: %@", jsonString);
}];
// ...
你会看到,结果是符合Open mHealth标准的JSON格式。
支持的HKObjectType
Granola支持所有的HealthKit样本(HKSample),无论是通过精心策划的Open mHealth模式还是通用的HealthKit模式。你可以查看详细的类型和其对应模式映射表,并可使用静态方法获取所有支持类型的类名:
[OMHHealthKitConstantsMapper allSupportedTypeIdentifiersToClasses]
或者只获取类型标识符:
[OMHSerializer supportedTypeIdentifiers]
甚至仅获取使用Open mHealth模式的类型:
[OMHSerializer supportedTypeIdentifiersWithOMHSchema]
时间区处理
Granola会使用HKMetadataKeyTimeZone键指定的时间区来序列化时间戳。如果没有提供时间区信息,它将使用应用的默认时间区。需要注意的是,如果原始数据创建时的时间区与序列化时不同,可能会导致时间戳出现偏差。
联系我们与贡献
有任何问题?请开启新的Issue! 或者直接在Twitter上找到Open mHealth (@openmhealth)。
想参与进来?只需按照经典的GitHub流程:fork,创建新分支,提交更改,然后发起pull request。
许可证
Granola遵循Apache 2许可,详情见LICENSE文件。
作者
- Brent Hargrave (@brenthargrave)
- Chris Schaefbauer (chris.schaefbauer@openmhealth.org)
- Emerson Farrugia (emerson@openmhealth.org)
Granola是你走向健康数据管理和分析的理想伴侣,准备好了吗?现在就开始用它释放你的数据潜力吧!
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 StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112