Compose Destinations 中如何安全生成带参数的 Deeplink
2025-06-25 06:22:18作者:裘晴惠Vivianne
在 Compose Destinations 库中,开发者经常需要处理带参数的 Deeplink 导航场景。本文将通过一个典型示例,介绍如何安全地生成包含动态参数的 Deeplink URL。
问题背景
在 Compose Destinations 项目中,我们定义了一个带有参数的目的地路由:
@Destination(deepLinks = [DeepLink(uriPattern = "example://$FULL_ROUTE_PLACEHOLDER")])
@Composable
fun TitleRoute(id: Int, navigator: DestinationsNavigator) {
// ...
}
这个路由接受一个整型参数 id,并且配置了一个 Deeplink 模式。开发者需要找到一种类型安全的方式来生成包含实际参数值的 Deeplink URL。
初始解决方案的局限性
最初,开发者可能会尝试直接操作字符串:
TitleRouteDestination.deepLinks.first().uriPattern!!.replace("{id}", id)
这种方法虽然可行,但存在几个问题:
- 直接操作字符串容易出错
- 不够类型安全
- 依赖于字符串替换的底层实现细节
推荐的类型安全方案
Compose Destinations 提供了更优雅的解决方案:
val id = // 获取参数值
val deepLink = "example://${TitleRouteDestination(id = id).route}"
这种方式的优势在于:
- 完全类型安全 - 编译器会检查参数类型
- 与库的内部实现解耦 - 不依赖特定字符串格式
- 可维护性高 - 当路由定义变更时,代码会自动适应
实现原理
Compose Destinations 在编译时会为每个 @Destination 注解的 Composable 函数生成对应的 Destination 类。这个生成的类包含了路由的所有元信息,包括:
- 参数类型和名称
- 路由路径模板
- 配置的 Deeplink 模式
通过创建 TitleRouteDestination 实例并设置参数值,我们可以获得一个包含实际参数值的完整路由路径。然后只需将其与配置的 scheme 组合即可生成最终的 Deeplink URL。
最佳实践建议
- 集中管理 Deeplink 生成:创建一个工具类或扩展函数来统一处理 Deeplink 生成逻辑
- 参数验证:在生成 Deeplink 前验证参数的有效性
- 错误处理:考虑添加适当的错误处理机制,比如参数为 null 时的回退方案
- 文档注释:为重要的 Deeplink 生成代码添加清晰的文档说明
总结
Compose Destinations 提供了强大的类型安全机制来处理带参数的 Deeplink 导航。通过利用生成的 Destination 类,开发者可以避免直接操作字符串,从而编写出更健壮、更易维护的导航代码。这种方法不仅解决了当前问题,也为未来的扩展和维护奠定了良好基础。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0213
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
468
461
暂无描述
Dockerfile
776
5.07 K
Ascend Extension for PyTorch
Python
756
961
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
872
2.01 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
696
1.4 K
昇腾LLM分布式训练框架
Python
183
230
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++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
361
430