Compose Destinations项目中处理不同构建类型的深度链接方案
在Android应用开发中,我们经常需要为调试版和发布版配置不同的深度链接(Deep Link)方案。本文将详细介绍在使用Compose Destinations库时,如何优雅地处理这种需求。
问题背景
在Compose Destinations项目中,开发者尝试通过注解方式为不同构建类型(debug/release)配置不同的深度链接URL。具体表现为:
- 在
@Destination注解中声明深度链接模式 - 使用
BuildConfig变量区分不同构建类型的URL方案 - 在AndroidManifest中通过占位符配置不同的scheme
然而,这种实现方式会导致运行时崩溃,错误提示为"NavDeepLink必须包含uri、action和/或mimeType"。
根本原因分析
问题出在注解处理阶段。Compose Destinations的注解处理器在编译时处理@Destination注解,而此时BuildConfig类尚未生成,导致无法正确解析深度链接的URL模式。注解中的常量必须在编译时就能确定其值。
解决方案
Compose Destinations从2.1.0-beta07版本开始,提供了运行时添加深度链接的能力。这是处理不同构建类型深度链接的正确方式。
实现步骤
-
移除注解中的动态深度链接: 在
@Destination注解中只保留静态的深度链接模式,移除依赖BuildConfig的部分。 -
创建自定义的DestinationStyle: 实现
DestinationStyle接口,用于在运行时添加额外的导航配置。 -
在应用启动时注册动态深度链接: 使用
DestinationsNavHost的navGraph参数,在构建导航图时添加特定于构建类型的深度链接。
示例代码
// 1. 定义DestinationStyle
class CustomDestinationStyle : DestinationStyle {
override fun apply(navGraphBuilder: NavGraphBuilder, destination: DestinationSpec) {
if (destination.route == "blockScheduleRoute") {
navGraphBuilder.composable(
route = destination.route,
arguments = destination.arguments,
deepLinks = destination.deepLinks + listOf(
navDeepLink {
uriPattern = "${BuildConfig.SCHEME_NAME}://internal/blockSchedule"
}
)
) {
destination.content(this)
}
}
}
}
// 2. 在应用中使用
@Composable
fun MyApp() {
DestinationsNavHost(
navGraph = NavGraphs.root,
engine = rememberNavController().destinationsNavHostEngine(
style = CustomDestinationStyle()
)
)
}
构建配置
在模块的build.gradle文件中,为不同构建类型配置不同的scheme:
android {
buildTypes {
debug {
buildConfigField "String", "SCHEME_NAME", "\"appdebug\""
manifestPlaceholders = [scheme_name: "appdebug"]
}
release {
buildConfigField "String", "SCHEME_NAME", "\"app\""
manifestPlaceholders = [scheme_name: "app"]
}
}
}
AndroidManifest配置
确保在AndroidManifest.xml中正确声明深度链接:
<activity>
<intent-filter>
<action android:name="android.intent.action.VIEW" />
<category android:name="android.intent.category.DEFAULT" />
<category android:name="android.intent.category.BROWSABLE" />
<data android:scheme="${scheme_name}" />
<data android:host="internal" />
</intent-filter>
</activity>
总结
通过Compose Destinations的运行时API,我们可以灵活地为不同构建类型配置不同的深度链接方案。这种方法避免了注解处理阶段的限制,同时保持了代码的清晰性和可维护性。对于需要区分开发环境和生产环境的深度链接场景,这是一种可靠且优雅的解决方案。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00