Electron-Builder 中为 macOS 子进程配置独立权限的解决方案
在基于 Electron 开发跨平台应用时,开发者经常会遇到需要集成原生模块或子进程的情况。本文针对 Electron-Builder 项目中一个典型场景展开讨论:当主 Electron 应用需要调用一个 Go 编写的子进程时,如何为这个子进程单独配置 macOS 特有的权限(entitlements),而不影响主应用的权限配置。
问题背景
在 macOS 系统中,某些敏感功能需要应用声明特定的权限(entitlements)才能使用。例如,com.apple.developer.endpoint-security.client 权限就是端点安全相关功能所需的特殊权限。当 Electron 应用需要调用一个具有特殊权限需求的 Go 子进程时,直接为整个 Electron 应用配置这些权限可能会带来不必要的安全风险。
技术挑战
Electron-Builder 默认会将相同的权限配置应用到整个应用包(包括所有二进制文件)。这导致以下技术难点:
- 主 Electron 进程和 Go 子进程需要不同的权限配置
- 需要确保权限配置只应用于特定二进制文件
- 需要保持签名过程的完整性
解决方案
Electron-Builder 从 24.12.0 版本开始引入了 sign 钩子功能,允许开发者为不同的文件指定不同的签名选项。这是解决上述问题的关键技术点。
实现步骤
-
创建自定义签名脚本:在项目中创建一个 JavaScript 文件(如
customSign.js) -
实现文件区分逻辑:在脚本中检查文件路径,为特定文件返回不同的权限配置
-
配置 Electron-Builder:在配置文件中指定使用自定义签名脚本
示例代码
以下是经过验证的实现方案:
const path = require('path');
const { sign } = require('app-builder-lib/out/codeSign/macCodeSign');
module.exports = async function signHook(config, packager) {
const originalOptionsForFile = config.optionsForFile;
config.optionsForFile = (filePath) => {
if (filePath.endsWith('/your-go-binary')) {
return {
entitlements: path.resolve('./path/to/special.entitlements'),
hardenedRuntime: true
};
}
return originalOptionsForFile ? originalOptionsForFile(filePath) : undefined;
};
await sign(config, packager);
};
配置说明
在 electron-builder.yml 中配置:
mac:
sign: ./customSign.js
hardenedRuntime: true
entitlements: ./path/to/default.entitlements
注意事项
-
权限文件路径:确保权限文件路径正确,建议使用绝对路径或相对于项目根目录的路径
-
签名顺序:Electron-Builder 会先签名主应用,然后处理额外文件
-
测试验证:使用
codesign -dv --entitlements :- <path-to-binary>命令验证权限是否应用正确 -
版本兼容性:此方案需要 Electron-Builder 24.12.0 或更高版本
最佳实践
-
最小权限原则:只为必要的二进制文件配置最小必需的权限
-
权限文件管理:将不同权限需求的文件分类存放,便于管理
-
文档记录:详细记录每个权限的用途和配置原因
-
自动化测试:在 CI/CD 流程中加入权限验证步骤
通过这种方案,开发者可以灵活地为 Electron 应用中的不同组件配置适当的 macOS 权限,既满足了功能需求,又遵循了安全最佳实践。
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