推荐:appstore-card-transition——打造苹果商店风格动画过渡效果

appstore-card-transition 是一个为 iOS 开发者设计的开源库,它实现了苹果应用商店中卡片式展开和关闭的动画效果,适用于 UICollectionView 和 UITableView。这个库的目标是让开发者轻松地在自己的应用中添加这种富有视觉吸引力的交互过渡效果,同时保持高度的定制性和灵活性。
动画效果演示
顶部关闭

底部关闭

技术实现
appstore-card-transition 利用了 UIViewControllerTransitioningDelegate 来实现自定义转场动画。从选中的单元格初始位置出发,详细信息视图控制器被动画扩展到最终的全屏模式。为了保证动画流畅,详细的视图控制器扩展效果需要开发者自己调整优化。
关闭详细信息视图控制器时,通过手势识别器完成,并将详细信息视图控制器动画缩小回单元格大小,你可以改变单元格在详细信息显示时的位置,以提供更动态的行为。
大多数参数可定制,每个有意义的操作都有回调函数供你使用。
安装
CocoaPods
添加以下代码到你的 Podfile:
use_frameworks!
target '<你的目标名>' do
pod 'appstore-card-transition'
end
然后执行:
$ pod repo update
$ pod install
Swift Package Manager
在你的 Package.swift 文件中添加依赖:
dependencies: [
.package(url: "https://github.com/appssemble/appstore-card-transition.git", from: "1.0.3")
]
手动安装
克隆库并将其作为子项目添加到你的 Xcode 项目中。
基本使用指南
- 让你的单元格遵循
CardCollectionViewCell协议。 - 配置你的详情视图控制器,让它遵循
CardDetailViewController协议。 - 在你的详细信息视图控制器中,确保在
scrollViewDidScroll方法中调用dismissHandler。
更多使用细节,请查看项目文档。
自定义与问题解决
TransitionSettings 类提供了各种参数,可用于调整动画效果。如果你遇到动画卡顿的问题,检查约束设置是否正确,特别是顶部约束。同时确保 cardContainerInsets 设置反映了你的单元格实际的内容视图边距。
示例项目
示例项目展示了库的使用方法,你可以参考并学习如何实现不同的效果。
贡献代码
我们欢迎任何改进或新功能的贡献。如果你做出了很棒的改动,别忘了提交拉取请求。
获取帮助
如果你在开发过程中需要帮助,可以访问 Appssemble 获得支持。
借助 appstore-card-transition,你可以在你的 iOS 应用中添加苹果商店式的卡片动画,提升用户体验,使你的应用更具特色。立即尝试,让你的应用脱颖而出吧!
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 StartedRust050
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00