解决ESTabBarController在iOS18中的页面切换闪烁问题
问题背景
在iOS18系统中,开发者使用ESTabBarController时可能会遇到一个特殊的视觉问题:当用户在不同标签页之间切换时,页面会出现明显的闪烁现象。具体表现为当前页面逐渐消失的同时,新页面逐渐出现,这种过渡动画在iOS18以下的系统中运行流畅,但在iOS18上却显得不够自然。
问题分析
这种闪烁现象实际上是iOS18系统对视图控制器过渡动画处理方式的变化导致的。在iOS18中,系统默认的标签页切换动画可能没有很好地处理视图层级关系,导致过渡过程中出现视觉上的不连贯。
解决方案
要解决这个问题,我们需要自定义标签页切换的过渡动画。具体实现步骤如下:
-
实现UITabBarControllerDelegate协议:我们需要让UITabBarController的代理实现
animationControllerForTransitionFrom方法,这个方法允许我们为标签页切换提供自定义的动画控制器。 -
创建自定义动画控制器:我们需要创建一个遵循
UIViewControllerAnimatedTransitioning协议的对象,这个对象将负责实际的动画过程。 -
配置动画参数:在自定义动画控制器中,我们需要:
- 将
transitionDuration返回为.zero,表示我们希望立即完成过渡,没有动画延迟 - 实现
animateTransition方法来处理实际的视图过渡逻辑
- 将
实现代码示例
以下是实现这一解决方案的核心代码结构:
class CustomTabBarController: UITabBarController, UITabBarControllerDelegate {
override func viewDidLoad() {
super.viewDidLoad()
self.delegate = self
}
func tabBarController(_ tabBarController: UITabBarController,
animationControllerForTransitionFrom fromVC: UIViewController,
to toVC: UIViewController) -> UIViewControllerAnimatedTransitioning? {
return CustomTransitionAnimator()
}
}
class CustomTransitionAnimator: NSObject, UIViewControllerAnimatedTransitioning {
func transitionDuration(using transitionContext: UIViewControllerContextTransitioning?) -> TimeInterval {
return 0 // 立即完成过渡
}
func animateTransition(using transitionContext: UIViewControllerContextTransitioning) {
// 获取源视图和目标视图
guard let toView = transitionContext.view(forKey: .to) else { return }
// 将目标视图添加到容器中
let containerView = transitionContext.containerView
containerView.addSubview(toView)
// 立即完成过渡
transitionContext.completeTransition(true)
}
}
技术原理
这种解决方案的核心思想是绕过系统默认的过渡动画,直接完成视图控制器的切换。通过将过渡时间设置为零,我们消除了任何可能的动画效果,从而避免了iOS18中可能出现的闪烁问题。
注意事项
-
性能考虑:虽然这种解决方案解决了视觉问题,但完全移除过渡动画可能会影响用户体验。开发者可以根据实际需求适当调整过渡时间。
-
兼容性:这种解决方案不仅适用于iOS18,也可以作为通用解决方案应用于其他iOS版本。
-
自定义动画:如果需要保留过渡效果但避免闪烁,开发者可以在
animateTransition方法中实现自己的自定义动画逻辑。
总结
iOS18对视图控制器过渡动画的处理方式有所变化,这可能导致使用ESTabBarController时出现页面切换闪烁的问题。通过实现自定义的过渡动画控制器,并将过渡时间设置为零,我们可以有效地解决这个问题。这种方法简单直接,且不会引入额外的性能开销,是解决此类问题的理想方案。
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