KeyboardKit 视图样式重构:从服务注入到环境值驱动
2025-07-10 20:26:08作者:谭伦延
背景与痛点分析
在 SwiftUI 开发中,视图样式的管理一直是个值得深入探讨的话题。KeyboardKit 项目原先采用了一种基于服务注入的样式管理方式,即将样式计算逻辑封装在独立的服务中,然后通过视图初始化器注入。这种方式虽然实现了逻辑分离,但也带来了一些问题:
- 视图初始化复杂化:每个需要样式的视图都需要在初始化时接收样式服务参数
- 组合困难:难以在视图层级中灵活覆盖特定样式
- 定制不直观:全局样式修改需要通过替换整个服务实现
重构方案设计
KeyboardKit v9 版本进行了彻底的重构,将样式管理从服务模式转变为基于 SwiftUI 环境值的动态解析模式。这一转变的核心思想是:
- 移除所有视图内部的样式计算逻辑:视图只负责声明其结构,不参与样式决策
- 引入动态样式环境值:通过
EnvironmentValue提供样式解析能力 - 参数化样式解析:样式解析器接收设备类型、方向等上下文信息
技术实现细节
新的实现采用了 SwiftUI 的环境值系统,定义了一个关键的环境键:
struct KeyboardStyleResolverKey: EnvironmentKey {
static let defaultValue: KeyboardStyleResolver = .standard
}
extension EnvironmentValues {
var keyboardStyleResolver: KeyboardStyleResolver {
get { self[KeyboardStyleResolverKey.self] }
set { self[KeyboardStyleResolverKey.self] = newValue }
}
}
样式解析器协议设计为:
public protocol KeyboardStyleResolver {
func resolvedButtonStyle(
for action: KeyboardAction,
isPressed: Bool
) -> KeyboardStyle.Button
// 其他样式解析方法...
}
优势与改进
这种新架构带来了多方面的改进:
- 更灵活的样式定制:可以在任意视图层级覆盖样式解析逻辑
- 更清晰的关注点分离:视图只负责显示,不负责样式计算
- 更好的组合性:支持基于上下文的动态样式调整
- 更直观的API:使用标准的 SwiftUI 修饰符模式
迁移指南
对于现有代码的迁移,主要变化在于:
- 不再需要在初始化时传递样式服务
- 自定义样式改为通过环境值注入
- 按钮样式现在通过修饰符应用
示例迁移代码:
// 旧方式
KeyboardButton(
action: .backspace,
styleProvider: styleProvider
)
// 新方式
KeyboardButton(action: .backspace)
.keyboardButtonStyle(for: .backspace)
总结
KeyboardKit 的这次样式系统重构代表了 SwiftUI 最佳实践的演进方向,从传统的服务模式转向更符合声明式 UI 理念的环境值驱动模式。这种改变不仅使代码更加清晰,也为使用者提供了更大的灵活性和控制力。对于正在学习 SwiftUI 架构设计的开发者,这一案例也提供了很好的设计模式参考。
登录后查看全文
热门项目推荐
相关项目推荐
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.18 K
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
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
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++
689
325
🔥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
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
492