React Native Firebase 构建失败问题分析与解决:firebase-encoders-json 依赖问题
在 React Native 项目中使用 React Native Firebase 库时,Android 平台构建过程中可能会遇到 Failed to transform firebase-encoders-json-18.0.1.aar 的错误。这个问题通常与依赖仓库配置和版本冲突有关。
问题现象
当开发者尝试构建 Android 应用时,Gradle 构建系统会报错,提示无法转换 firebase-encoders-json 库的 AAR 文件。错误信息表明构建系统无法从配置的仓库中获取所需的依赖项。
根本原因
经过分析,这个问题主要有两个潜在原因:
-
使用了非官方仓库:项目中配置了阿里云的 Maven 仓库(maven.aliyun.com),这些第三方仓库可能没有同步所有 Firebase 相关的最新依赖项。
-
依赖版本冲突:项目中直接声明了多个 Firebase SDK 的版本,与 React Native Firebase 库自带的版本可能不一致。
解决方案
方法一:移除非官方仓库依赖
在 settings.gradle 文件中,移除所有指向阿里云 Maven 仓库的配置,仅保留 Google 官方仓库和其他必要的仓库:
dependencyResolutionManagement {
repositoriesMode.set(RepositoriesMode.PREFER_SETTINGS)
repositories {
google()
mavenCentral()
// 其他必要的仓库...
}
}
方法二:统一依赖版本
确保所有 Firebase 相关依赖使用相同版本。React Native Firebase v20.4.0 对应的 Firebase Android SDK 版本应该是兼容的,避免直接声明旧版本:
dependencies {
// 避免直接声明这些旧版本
// implementation "com.google.firebase:firebase-analytics:18.0.0"
// implementation 'com.google.firebase:firebase-messaging:20.2.4'
// 使用 React Native Firebase 自动管理的版本
implementation(project(':@react-native-firebase_xxx'))
}
方法三:清理构建缓存
在修改配置后,执行以下命令清理 Gradle 缓存:
./gradlew clean
./gradlew --stop
rm -rf $HOME/.gradle/caches/
最佳实践建议
-
优先使用官方仓库:Google 的 Maven 仓库是最可靠的 Firebase 依赖来源。
-
避免混合使用不同来源的 Firebase SDK:要么全部使用 React Native Firebase 提供的封装,要么全部使用原生 SDK,不要混用。
-
保持依赖版本一致:定期检查并更新所有 Firebase 相关依赖到兼容版本。
-
使用 Gradle 依赖分析工具:可以通过
./gradlew dependencies命令分析依赖树,查找潜在的版本冲突。
通过以上方法,开发者可以有效解决 firebase-encoders-json 转换失败的问题,并建立更健壮的 Firebase 集成方案。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00