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。
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