Dagger Hilt 在 Android 14 上运行 UI 测试时的 SecurityException 问题解析
问题背景
在使用 Dagger Hilt 和 Jetpack Compose 进行 Android UI 测试时,开发者遇到了一个特定于 Android 14 的安全异常问题。这个错误表现为 SecurityException,并提示需要在注册广播接收器时明确指定 RECEIVER_EXPORTED 或 RECEIVER_NOT_EXPORTED 标志。
错误分析
该问题的根本原因在于 Android 14 对广播接收器的注册引入了更严格的安全要求。从 Android 14 开始,所有动态注册的广播接收器都必须明确声明其导出性(exported 属性),以增强应用的安全性。
错误堆栈显示,问题发生在测试框架尝试启动 Activity 时。具体来说,是 androidx.test.core.app.InstrumentationActivityInvoker 在注册 Activity 结果接收器时没有指定必要的标志。
深层原因
经过深入分析,我们发现这个问题实际上是由测试依赖的版本冲突引起的:
- Dagger Hilt 测试库(hilt-android-testing)2.50 版本依赖的是较旧的 androidx.test:core:1.4.0
- 而开发者项目中使用的是较新的测试库版本(如 1.5.0)
- 旧版本的测试库没有适配 Android 14 的新安全要求
解决方案
要解决这个问题,我们需要确保测试环境中使用兼容 Android 14 的测试库版本。以下是具体的解决步骤:
1. 统一测试库版本
首先,需要将所有测试相关的依赖升级到最新兼容版本:
def androidXTestVersion = "1.5.0" // 或更高版本
androidTestImplementation "androidx.test:core:$androidXTestVersion"
androidTestImplementation "androidx.test:core-ktx:$androidXTestVersion"
androidTestImplementation "androidx.test.ext:junit:1.1.5"
androidTestImplementation "androidx.test.ext:truth:1.5.0"
2. 处理 Hilt 测试库的依赖冲突
由于 Hilt 测试库强制依赖旧版本,我们需要显式排除这个依赖:
androidTestImplementation("com.google.dagger:hilt-android-testing:2.50") {
exclude group: 'androidx.test', module: 'core'
}
3. 确保所有配置使用统一版本
为了避免不同构建配置间的版本冲突,需要在所有相关配置中强制使用相同版本:
debugImplementation("androidx.test:core") {
version { strictly androidXTestVersion }
}
testImplementation("androidx.test:core") {
version { strictly androidXTestVersion }
}
androidTestImplementation("androidx.test:core") {
version { strictly androidXTestVersion }
}
4. 处理其他可能的冲突
对于其他可能引起冲突的测试依赖,如 Espresso 和 Compose 测试库,也需要进行类似处理:
androidTestImplementation("androidx.compose.ui:ui-test-junit4") {
exclude group: 'androidx.test', module: 'core'
}
最佳实践建议
- 定期更新测试依赖:保持测试库与目标 Android 版本的兼容性
- 统一依赖版本:确保所有构建配置使用相同的测试库版本
- 使用依赖约束:在项目级 build.gradle 中定义版本约束,避免意外引入不兼容版本
- 检查测试框架兼容性:特别是当目标 Android 版本更新时
总结
Android 14 引入的安全改进可能导致现有测试框架出现兼容性问题。通过统一测试依赖版本、正确处理依赖冲突,可以确保 Dagger Hilt 和 Jetpack Compose 的 UI 测试在 Android 14 上正常运行。这个问题也提醒我们,在升级目标 SDK 版本时需要同步考虑测试环境的兼容性。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-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).Dockerfile014
Spark-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。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00