YukiHookAPI中ModulePreferenceFragment权限问题的分析与解决
2025-07-09 03:26:45作者:宣利权Counsellor
问题背景
在Android模块化开发中,使用YukiHookAPI的ModulePreferenceFragment管理偏好设置(prefs)时,开发者可能会遇到一个棘手的问题:在某些设备上,特别是关闭了debuggable的release版本中,宿主应用无法读取模块创建的偏好设置文件。这个问题会导致模块与宿主之间的数据共享失败,影响功能实现。
问题现象
开发者报告了以下具体现象:
- 在小米11(Android 12)和小米13(Android 14)设备上
- 使用LSPosed框架版本1.9.2
- 当模块以release模式构建时(关闭debuggable)
- 通过ModulePreferenceFragment创建的prefs文件权限为660(rw-rw----)
- 宿主应用无法读取这些偏好设置
技术分析
根本原因
问题的根源在于SharedPreferences的创建方式和权限设置。通过分析ModulePreferenceFragment的源码,我们发现:
- ModulePreferenceFragment在onCreatePreferences方法中首先调用了PreferenceManager.getDefaultSharedPreferences
- 这个方法内部使用Context.MODE_PRIVATE模式创建SharedPreferences
- MODE_PRIVATE对应的文件权限是660,其他应用无法读取
- 虽然后续调用了makeNewXShareReadableIfPossible尝试修改权限,但可能为时已晚
权限模式对比
- MODE_PRIVATE (660): 只有创建应用可以读写
- MODE_WORLD_READABLE (664): 所有应用可读,创建应用可写
在模块化开发中,通常需要宿主能够读取模块的偏好设置,因此需要使用MODE_WORLD_READABLE模式。
解决方案
开发者发现了一个有效的临时解决方案:在调用super.onCreatePreferences之前,手动创建SharedPreferences并指定MODE_WORLD_READABLE模式。
override fun onCreatePreferences(
savedInstanceState: Bundle?,
rootKey: String?,
) {
requireActivity().getSharedPreferences(
"${activity?.packageName}_preferences",
Context.MODE_WORLD_READABLE,
)
super.onCreatePreferences(savedInstanceState, rootKey)
}
这种方法之所以有效,是因为:
- 先手动创建了具有正确权限的SharedPreferences文件
- 后续的super.onCreatePreferences会重用这个已存在的文件
- 避免了默认的MODE_PRIVATE创建方式
长期修复建议
对于YukiHookAPI的维护者,建议考虑以下修复方案:
- 修改ModulePreferenceFragment的currentSharedPrefs实现,直接使用MODE_WORLD_READABLE
- 或者在makeNewXShareReadableIfPossible中更积极地修改文件权限
- 确保在文件创建时就设置正确的权限,而不是事后修改
开发者注意事项
- 在模块开发中,如果需要与宿主共享偏好设置,务必确认文件权限
- 测试时要注意区分debug和release构建,权限行为可能不同
- 考虑使用ContentProvider等更安全的跨进程数据共享方式替代文件共享
这个问题展示了Android权限系统在模块化开发中的复杂性,开发者需要充分理解文件权限和跨进程通信机制,才能构建稳定可靠的模块化应用。
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
项目优选
收起
deepin linux kernel
C
24
9
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
🔥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
暂无简介
Dart
670
155
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++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322