WebF项目iOS应用上传App Store时的二进制结构问题解析
问题背景
在使用WebF框架(版本0.14.3)开发Flutter应用(Flutter 3.7.12)并尝试上传至App Store时,开发者遇到了ITMS-90171错误。这个错误表明应用的二进制结构不符合苹果的要求,具体表现为包含了不被允许的独立可执行文件或库文件。
错误详情
苹果的App Store审核系统返回的错误信息明确指出:"Invalid Bundle Structure - The binary file '' is not permitted. Your app can't contain standalone executables or libraries, other than a valid CFBundleExecutable of supported bundles." 这表示应用的包结构中包含了不符合规范的独立二进制文件。
问题根源分析
经过技术分析,发现这个问题主要由两个框架文件引起:
- quickjs.framework中的quickjs二进制文件
- webf_bridge.framework中的webf_bridge二进制文件
这些文件被苹果视为"standalone executables or libraries"(独立的可执行文件或库),而根据苹果的Bundle编程规范,iOS应用包中只能包含特定类型的可执行文件,主要是主应用的CFBundleExecutable和受支持的其他Bundle中的可执行文件。
解决方案
针对这个问题,开发者需要手动移除以下两个文件:
- quickjs.framework/quickjs
- webf_bridge.framework/webf_bridge
这种手动移除操作可以确保应用的二进制结构符合苹果的规范要求,从而避免上传时被拒绝。
技术背景延伸
iOS应用的Bundle结构有严格的规定,主要基于安全考虑。苹果要求所有可执行代码必须包含在特定的Bundle结构中,并且有明确的签名机制。独立存在的二进制文件可能绕过苹果的安全检查机制,因此被严格禁止。
WebF框架作为桥接Web技术和原生应用的解决方案,在某些构建配置下可能会生成这些额外的二进制文件。开发者在使用这类框架时需要特别注意最终的产物是否符合苹果的审核要求。
预防措施
为了避免类似问题,建议开发者在以下阶段进行检查:
- 构建完成后检查.app包内容
- 使用命令行工具检查包结构
- 在本地验证阶段使用Application Loader进行预检查
- 定期更新WebF框架版本,关注框架的发布说明中关于iOS构建的改进
通过以上措施,可以有效减少因二进制结构问题导致的应用上传失败情况。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
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Python00
HunyuanVideo-1.5暂无简介00
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
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
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