Expensify/App Android端测试驾驶功能加载问题分析与解决方案
问题背景
在Expensify移动应用的Android版本中,用户在进行测试驾驶流程时遇到了一个关键性问题。当用户完成邮箱输入并点击"开始测试驾驶"按钮后,界面会陷入无限加载状态,无法正常进入后续的测试收据提交环节。这个问题在Android 14系统的三星Galaxy Z Fold 4设备上被首次发现并报告。
问题现象
用户操作路径如下:
- 启动Expensify应用
- 使用新Gmail账户登录
- 跳过工作邮箱页面
- 选择"跟踪和预算支出"功能
- 输入姓名并继续
- 在"带我们进行测试驾驶"模态框中输入邮箱
- 点击开始测试驾驶按钮
预期行为是应用应进入确认页面,向用户提交测试收据。但实际观察到的却是按钮持续加载,无法完成流程。
技术分析
经过开发团队深入排查,发现问题根源在于Android原生环境下处理静态资源的方式存在差异。具体表现为:
-
在调试模式下,
resolveAssetSource
方法能够正确返回形如http://localhost:8081/xxxx
的URI,使得文件下载流程可以正常进行。 -
但在发布模式下,
resolveAssetSource
仅返回静态资源名称(如asset_1234),而非有效的URI地址。这导致react-native-blob-util
无法正确下载文件。
日志分析显示以下关键错误信息:
java.net.MalformedURLException: no protocol
- 表明URL格式不正确url == null
- 表明请求构建时缺少有效URL- 客户端日志显示"Error reading test receipt" - 确认收据读取失败
解决方案
针对这一问题,开发团队提出了基于expo-file-system
和expo-asset
的替代方案:
-
使用
expo-asset
的Asset.loadAsync
方法加载资源,该方法能正确处理Android环境下的静态资源。 -
通过
expo-file-system
的copyAsync
方法将资源复制到本地文件系统,确保在调试和发布模式下都能正常工作。
核心代码修改包括:
- 替换原有的
resolveAssetSource
和react-native-blob-util
组合 - 实现新的文件处理逻辑,正确处理本地URI
- 添加完善的错误处理机制
兼容性考虑
值得注意的是,此问题不仅影响测试驾驶功能,也影响了McManager流程中的工具提示功能。经过版本回溯测试,发现该问题实际上自McManager测试功能发布(版本9.1.14-5)以来就一直存在。
解决方案特意针对Android平台进行了优化,同时保持iOS等其他平台的现有实现不变,确保不会引入新的兼容性问题。
总结
这个案例展示了React Native在跨平台开发中可能遇到的特定平台问题。通过深入分析Android资源加载机制,开发团队找到了既解决当前问题又保持代码简洁性的方案。这也提醒开发者在处理平台特定功能时,需要充分考虑不同构建模式下的行为差异。
该修复已随版本9.1.52-0部署到生产环境,经过7天回归测试后确认稳定,最终在版本9.1.53-7中完全解决。
GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GLM-V
GLM-4.5V and GLM-4.1V-Thinking: Towards Versatile Multimodal Reasoning with Scalable Reinforcement LearningPython00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0107AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile010
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选









