iOS 打包移除 i386 和 x86_64 平台动态库

栏目: IOS · 发布时间: 6年前

内容简介:由于 iOS 编译的特殊性,为了方便开发者在模拟器调试,很多 SDK 将以环信PS:注意最后得到的包必须真机编译运行,并且工程要设置编译二进制文件

由于 iOS 编译的特殊性,为了方便开发者在模拟器调试,很多 SDK 将 i386x86_64armv7arm64 几个平台都合并到了一起。在开发阶段都没有问题,但生产编译上传到 App Store 时,需要将 i386x86_64 两个平台的库删除,否则无法正常提交审核。

以环信 Hyphenate.framework 为例,具体操作如下:

  1. 先把 Hyphenate.framework 拷贝一份;

  2. Hyphenate.framework 剥离出 armv7arm64 的库

    // armv7
    lipo Hyphenate.framework/Hyphenate -thin armv7 -output Hyphenate_armv7
    // arm64
    lipo Hyphenate.framework/Hyphenate -thin arm64 -output Hyphenate_arm64
    复制代码
  3. armv7arm64 的库打包

    lipo -create Hyphenate_armv7 Hyphenate_arm64 -output Hyphenate
    复制代码
  4. 修改文件名

    mv Hyphenate Hyphenate.framework
    复制代码
  5. 以上操作后,使用新的 Hyphenate.framework 替换到项目中,然后重新编译就行了。

PS:注意最后得到的包必须真机编译运行,并且工程要设置编译二进制文件 General -> Embedded Bunaries


以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

Python机器学习

Python机器学习

[美] Michael Bowles / 沙嬴、李鹏 / 人民邮电出版社 / 2016-12 / 69.00元

在学习和研究机器学习的时候,面临令人眼花缭乱的算法,机器学习新手往往会不知 所措。本书从算法和Python 语言实现的角度,帮助读者认识机器学习。 书专注于两类核心的“算法族”,即惩罚线性回归和集成方法,并通过代码实例来 展示所讨论的算法的使用原则。全书共分为7 章,详细讨论了预测模型的两类核心算法、预测模型的构建、惩罚线性回归和集成方法的具体应用和实现。 本书主要针对想提......一起来看看 《Python机器学习》 这本书的介绍吧!

在线进制转换器
在线进制转换器

各进制数互转换器

URL 编码/解码
URL 编码/解码

URL 编码/解码

html转js在线工具
html转js在线工具

html转js在线工具