NotchDrop项目:在非刘海屏MacBook上运行的技术解析
2025-07-09 18:00:36作者:董斯意
NotchDrop是一款为MacBook刘海屏设计的应用程序,但很多用户在使用非刘海屏设备时遇到了无法启动的问题。本文将深入分析这一限制的技术原理,并提供解决方案。
问题背景
NotchDrop应用的核心功能是模拟MacBook Pro刘海屏的视觉效果,因此开发者Lakr233在代码中设置了设备检测机制,只允许在具有物理刘海屏的设备上运行。这一限制导致非刘海屏MacBook用户无法正常使用该应用。
技术原理分析
应用通过以下关键代码检测设备类型:
- 屏幕检测机制:在AppDelegate中,应用检查主屏幕是否存在且具有非零尺寸的刘海区域
- 刘海区域计算:NotchWindowController负责计算刘海区域在屏幕上的精确位置
- 视图布局:NotchView根据计算出的刘海区域位置来定位和渲染模拟刘海
解决方案实现
要让应用在非刘海屏设备上运行,需要进行以下代码修改:
1. 移除设备检测限制
修改AppDelegate中的设备检测代码,移除刘海尺寸检查:
// 原代码
// guard let mainScreen = NSScreen.buildin, mainScreen.notchSize != .zero else {
// 修改后
guard let mainScreen = NSScreen.buildin else {
2. 手动设置刘海区域
由于非刘海屏设备无法自动检测刘海区域,需要手动指定:
// 在NotchWindowController中
vm.deviceNotchRect = .init(x: -1060, y: 1340, width: 150, height: notchHeight)
3. 调整视图布局
修改NotchView中的布局计算逻辑:
vm.notchRectIfOpen = .init(
x: -1060 - (finalSize.width - 150) / 2,
y: 1340 - (finalSize.height - notchHeight),
width: finalSize.width,
height: finalSize.height
)
注意事项
- 坐标调整:x和y值需要根据具体屏幕尺寸进行调整,确保刘海模拟位置正确
- 视觉效果:非原生刘海屏设备上的模拟效果可能不如真实刘海屏自然
- 系统兼容性:修改后的代码仍需保持与macOS系统的兼容性
技术延伸
这种修改方式展示了macOS应用开发中几个重要概念:
- 屏幕空间坐标系:理解macOS如何定义屏幕坐标系是精确定位UI元素的关键
- 条件编译:开发者可以使用条件编译来区分不同设备类型的处理逻辑
- 视图层次结构:了解NSView和NSWindow的层次关系有助于实现复杂的UI效果
通过这种技术调整,用户可以在非刘海屏设备上体验NotchDrop的功能,虽然效果可能不如原生刘海屏设备完美,但为应用的使用提供了更多可能性。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217