Electron-Builder 中 Notarize 工具 JSON 解析错误的解决方案
在 Electron 应用打包过程中,开发者经常会遇到 macOS 应用公证(Notarization)的问题。近期,Electron-Builder 用户在使用 notarytool 进行公证时遇到了一个典型的 JSON 解析错误,表现为 "Unexpected token 'E', 'Error: The'... is not valid JSON"。本文将深入分析这个问题并提供多种解决方案。
问题背景
当开发者使用 Electron-Builder 24.13.3 及以上版本进行 macOS 应用公证时,可能会遇到以下错误信息:
Unexpected token 'E', "Error: The"... is not valid JSON
这个错误通常发生在 notarytool 尝试解析 Apple 公证服务返回的响应时。错误信息表明,工具期望接收 JSON 格式的响应,但实际上收到了以 "Error:" 开头的文本响应。
根本原因分析
经过开发者社区的调查,发现这个问题主要有以下几个潜在原因:
-
Apple 开发者协议未更新:Apple 有时会更新开发者协议,需要开发者手动接受新条款才能继续使用公证服务。
-
环境变量命名问题:Electron-Builder 的自动公证功能要求环境变量使用特定格式(如 APPLE_API_KEY),而 @electron/notarize 包则期望使用驼峰式命名(如 appleApiKey)。
-
认证信息错误或缺失:API 密钥、密钥 ID 或颁发者信息不正确或未正确设置。
-
版本兼容性问题:某些 Electron-Builder 版本与 @electron/notarize 版本存在兼容性问题。
解决方案
1. 检查并接受 Apple 开发者协议
许多开发者发现,登录 Apple 开发者账户并接受最新的开发者协议可以解决此问题。这是最常见的解决方案之一。
2. 降级 Electron-Builder 版本
将 Electron-Builder 降级到 24.9.1 版本可以获取更详细的错误信息,帮助诊断问题:
npm install electron-builder@24.9.1
降级后,你可能会看到更明确的错误信息,如 "HTTP status code: 403. A required agreement is missing or has expired"。
3. 明确指定公证配置
在 electron-builder.yml 或 package.json 中明确指定公证配置,而不是依赖自动检测:
afterSign: ./notarize.js
然后创建一个 notarize.js 文件,使用 @electron/notarize 包进行公证:
const { notarize } = require('@electron/notarize');
exports.default = async function notarizing(context) {
const { electronPlatformName, appOutDir } = context;
if (electronPlatformName !== 'darwin') return;
const appName = context.packager.appInfo.productFilename;
return await notarize({
appBundleId: 'com.yourcompany.yourapp',
appPath: `${appOutDir}/${appName}.app`,
appleId: process.env.APPLE_ID,
appleIdPassword: process.env.APPLE_PASSWORD,
});
};
4. 使用 resolutions 固定 @electron/notarize 版本
在 package.json 中添加 resolutions 字段,固定 @electron/notarize 版本:
"resolutions": {
"@electron/notarize": "2.3.2"
}
5. 升级到 Electron-Builder 的 next 版本
Electron-Builder 的 next 版本已经包含了最新的 @electron/notarize 2.3.2,可以尝试升级:
npm install electron-builder@next
最佳实践建议
-
始终检查 Apple 开发者账户:在遇到公证问题时,首先检查是否有待接受的开发者协议。
-
使用明确的配置:避免依赖自动检测,明确指定公证配置可以减少不确定性。
-
保持依赖更新:定期更新 Electron-Builder 和 @electron/notarize 到最新稳定版本。
-
实施完善的错误处理:在构建脚本中添加适当的错误处理和日志记录,以便快速诊断问题。
-
考虑 CI/CD 环境:在持续集成环境中,确保所有必要的环境变量都已正确设置,并且构建机器可以访问 Apple 的公证服务。
总结
Electron-Builder 的公证过程可能会因为多种原因出现问题,但通过系统性的排查和适当的解决方案,大多数问题都可以得到解决。开发者应该关注错误信息的细节,理解公证流程的各个环节,并保持开发环境的更新和一致性。随着 Electron 生态系统的不断发展,这类问题通常会随着新版本的发布而得到改善。
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