Compose Destinations 中 BottomSheet 导航的迁移指南
背景介绍
在 Android 开发中,Compose Destinations 是一个流行的导航库,它简化了 Jetpack Compose 中的导航逻辑。随着 Compose 1.7 版本的发布,BottomSheet 导航的实现方式发生了变化,从原来的 Accompanist 迁移到了官方的 Material 组件中。
问题现象
开发者在使用 Compose Destinations 时可能会遇到以下错误:
java.lang.IllegalStateException: Could not find Navigator with name "BottomSheetNavigator". You must call NavController.addNavigator() for each navigation type.
这个错误表明导航控制器无法找到 BottomSheet 导航器,通常是因为版本不匹配或依赖配置不正确导致的。
解决方案
1. 更新依赖版本
首先需要确保使用的是兼容的版本组合:
- Compose UI 版本至少需要 1.7.0-beta
- Compose Destinations 版本需要 1.11.5-beta 或更高
2. 正确配置依赖
在 build.gradle 文件中应该这样配置:
// Compose 基础依赖
def compose_version = "1.7.0-beta06"
implementation "androidx.compose.ui:ui:$compose_version"
implementation "androidx.compose.material:material:$compose_version"
implementation "androidx.compose.foundation:foundation:$compose_version"
// Compose Destinations
def compose_destinations_version = "1.11.5-beta"
implementation "io.github.raamcosta.compose-destinations:animations-core:$compose_destinations_version"
ksp "io.github.raamcosta.compose-destinations:ksp:$compose_destinations_version"
3. 使用正确的 BottomSheet 组件
新的 Material 组件提供了专门的 BottomSheet 导航支持:
androidx.compose.material.navigation.ModalBottomSheetLayout(
bottomSheetNavigator = bottomSheetNavigator,
modifier = Modifier,
// 其他参数...
) {
// 内容
}
迁移注意事项
-
不要直接依赖 navigation-material:Compose Destinations 会提供必要的导航 Material 依赖作为传递依赖,直接添加可能会导致冲突。
-
API 变化:新的 BottomSheet 导航 API 与 Accompanist 版本有所不同,需要调整参数传递方式。
-
状态管理:新的实现使用了不同的状态管理机制,需要重新学习如何处理 BottomSheet 的显示/隐藏状态。
最佳实践
-
始终使用最新稳定版的 Compose 和 Compose Destinations。
-
在迁移时,先在一个简单的示例项目中测试新的导航方式,确保理解其工作原理。
-
考虑创建一个封装组件,将 BottomSheet 导航的具体实现细节隐藏起来,使业务代码不受未来 API 变化的影响。
总结
从 Accompanist 迁移到官方的 Material BottomSheet 导航是一个积极的改变,虽然短期内可能需要一些调整,但长期来看能获得更好的兼容性和维护性。通过正确配置依赖版本和使用新的 API,开发者可以顺利实现 BottomSheet 导航功能。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00