Unity 报错之 接入YomboTGSDK后打包报错:mainTemplate.gradle needs to be updated(property ‘unityStreamingAssets‘)

【Unity打包APK报错BuildConfig is defined multiple times】 Unity打包APK报错BuildConfig is defined multiple times 阅读详情

一,遇到问题

1.1 问题背景

产生问题:Unity2021.x版本接入YomboTGSDK,SDK版本1.9.4,导入SDK后打安卓包遇到报错。

解决过程:一开始以为解决给报错不是简简单单,况且我之前还在Unity2019版本接入过1.9.0版本的SDK。万万没想到,我周日用了一下午的时间也没有解决这个问题。

求助大佬:最后还是到公司求助大佬,在大佬的帮助下得以解决。以此文记录一下解决过程,致敬大佬。


1.2 报错日志

报错如下:

报错日志:

mainTemplate.gradle needs to be updated!

We’ve detected that your custom mainTemplate.gradle file is using the old android application format and needs to be upgraded to function as an android library. We can try to do this automatically, your current mainTemplate.gradle file will be backed up. Continue?

翻译:

我们已经检测到您的自定义主模板。Gradle文件使用的是旧的android应用程序格式,需要升级为android库的功能。我们可以尝试自动做到这一点,你当前的主模板。Gradle文件将被备份。继续吗?


二,尝试解决

2.1 自动修复

我觉得看到1.2上面弹窗提示的第一反应是点:“Yes”,让编辑器为我们自动修复,结果大概率是不行的,我这边选择“Yes”后,打包失败,得到的报错:


2.2 取消勾选

把报错相关的Gradle在Player面上取消勾选。

尝试后,解决失败。

PS:后知后觉接入SDK是需要修改自定义这个Gradle的,所以根本就不能以这种方式进行解决。


三,解决问题

3.1 步骤一:

此步骤是在网上搜到的大多数的解决方案,此部分参考自:Unity打Android包,报.gradle needs to be updated,old aaptOptions noCompress,需要更新unityStreamingAssets的错误

提示mainTemplate.gradle需要更新。这里我们把: Assets/Plugins/Android 'mainTemplate.gradle

aaptOptions {
      noCompress = ['.unity3d', '.ress', '.resource', '.obb'**STREAMING_ASSETS**]
      ignoreAssetsPattern = "!.svn:!.git:!.ds_store:!*.scc:.*:!CVS:!thumbs.db:!picasa.ini:!*~"
    }**SIGN**

修改为

aaptOptions {
      noCompress = ['.ress', '.resource', '.obb'] + unityStreamingAssets.tokenize(', ')
      ignoreAssetsPattern = "!.svn:!.git:!.ds_store:!*.scc:.*:!CVS:!thumbs.db:!picasa.ini:!*~"
    }**SIGN**

‘launcherTemplate.gradle’ 也同样将里面的

noCompress = ['.unity3d', '.ress', '.resource', '.obb'**STREAMING_ASSETS**]

替换为

noCompress = ['.ress', '.resource', '.obb'] + unityStreamingAssets.tokenize(', ')

替换完成即可尝试重新打包,若打包还未成功,收到如下报错:


请在此基础上,继续往下看3.2 步骤二。


3.2 步骤二:

在第二条报错中可以看到:

报错代码在:
Build file '/Users/czhenya/Projects/TGSDK/Library/Bee/Android/Prj/IL2CPP/Gradle/launcher/build.gradle' line: 30

打开文件一看:

这个就是3.1步骤一中修改的配置。

后面报错:无法为com.android.build.gradle.internal.dsl.AaptOptions的对象获得未知属性’unityStreamingAssets’。

看到这里我还是不知道该怎么去修改,直到看到安卓工程中的gradle文件:

我想起来SDK有一个打包配置脚本,在脚本中添加了writer.WriteLine("unityStreamingAssets=.unity3d,.bundle"); 。 然后就打包成功了。

配置脚本完整代码如下:

using UnityEditor;
using UnityEditor.Android;
using UnityEngine;
using System.IO;

public class TGSDKAndroidBuildProcessor : IPostGenerateGradleAndroidProject
{
    public int callbackOrder
    {
    	// 同种插件的优先级
        get { return 999; }
    }
    public void OnPostGenerateGradleAndroidProject(string path)
    {
        Debug.Log("Bulid path : " + path);
#if UNITY_2019_3_OR_NEWER
        string gradlePropertiesFile = path + "/../gradle.properties";
#else
        string gradlePropertiesFile = path + "/gradle.properties";
#endif
        if (File.Exists(gradlePropertiesFile))
        {
            File.Delete(gradlePropertiesFile);
        }
        StreamWriter writer = File.CreateText(gradlePropertiesFile);
        writer.WriteLine("org.gradle.jvmargs=-Xmx4096M");
        writer.WriteLine("android.useAndroidX=true");
        writer.WriteLine("android.enableJetifier=true");
        writer.WriteLine("unityStreamingAssets=.unity3d,.bundle");
        writer.Flush();
        writer.Close();
    }
}

解决方法:首先按照3.1中,修改两个Gradle中的配置。然后在找到(没有可以创建一个)安卓打包配置脚本,添加unityStreamingAssets这项。


四,小结

  1. 遇到问题的原因:Unity升级导致打安卓包的设置变了。
    若你同时打包过2019版本和2021版本,你会发现两个版本的Unity导出的安卓工程目录都是不一样的:

  2. 解决问题的方法:大家都知道需要按照报错提示去解决,重点是要找到报错关键所在,这样才能更快更准的解决问题。
    比如:在3.1步骤中的报错,我首先关注的是下图选中的这一行,其实报错关键点在下面Gradle build faled这个错误信息里。

    这也是我花费了大量时间,还没有解决问题的主要原因。

希望本片文章可以帮助你解决问题的同时,也能给你带来一些解决方案的提示。

接入YomboTGSDK后打包报错:mainTemplate.gradle需要更新!Unity3D 在接入YomboTGSDK后,如果在Unity3D中进行打包时遇到"mainTemplate.gradle需要更新"的错误,您可以按照上述步骤更新mainTemplate.gradle文件。记住,根据您使用的SDK版本,更新的具体步骤可能会有所变化,所以请始终参考相关的文档和集成指南。在使用Unity3D开发游戏时,如果在接入YomboTGSDK后进行打包时遇到了"mainTemplate.gradle需要更新"的错误,这意味着在项目中使用的mainTemplate.gradle文件需要进行更新。 阅读详情

相关推荐

深入解析MSPM0系列Keil开发中‘ti_msp_dl_config.h‘缺失问题的根源与修复

本文深入解析TI MSPM0系列Keil开发中'ti_msp_dl_config.h'文件缺失问题的根源与修复方法。该错误常见于编译时提示file not found,主要因SysConfig工具未正确生成或工程路径配置错误导致。文章提供了从环境检查、手动生成文件到工程配置调整的系统化解决方案,帮助开发者快速解决这一常见KEIL开发难题。

gold的博客 973

Android 打包报错:mainTemplate.gradle file is using the old aaptOptions noCompress property definition...

【代码】Android 打包报错:mainTemplate.gradle file is using the old aaptOptions noCompress property definition...

eeem 2992

Gröbner基方法入门第I部分:项序和约化

Gröbner基方法入门第I部分:项序和约化 理想的准素分解与矩阵分解是计算代数的核心问题,它们在计算机代数、计算代数几何、代数编码和密码学、多维系统理论等学科都有非常重要的理论意义与应用价值.Gröbner基理论是研究理想的准素分解与矩阵素分解的重要工具之一.更简单地概括:Gröbner基方法是从任意一个多项式理想的一组给定生成元,计算另一组性质良好的生成元,并称为该理想的Gröbner基.它能用来判定任意多项式是否属于该理想. Gröbner基的代数算法是Buchberger在1960年代开发的,并

MinCong Luo的博客 4275

Android打包Gradle记录

Android打包Gradle记录

weixin_42565127的博客 2231

104报文解析工具

可选择包含报文的文本文件或日志文件进行解析,可选择按条数范围或时间范围,输出结果可以在报文解析显示区,也可以输出到文件。可以对文本内容的报文文件进行高级分析,包括遥信遥测等通讯数据的具体信息,通讯帧的统计,通讯次数的统计,各种错误的分析,报文的定位功能,传输的文件具体内容等。输入完成后点击工具栏的解析报文按钮或使用右键菜单的解析就可以对报文进行解析。在报文输入区输入待解析报文并解析后,解析结果就显示在报文解析显示区和报文定位展示区及报文定位条目区。当有多条报文解析后,可以通过报文列表树具体定位某条报文。

XZHOUMIN的博客 5963

从零到一:手把手教你用Verilog在FPGA上构建自己的FFT处理器(不依赖IP核)

本文详细介绍了如何从零开始使用Verilog在FPGA上构建256点FFT处理器,不依赖商业IP核。内容涵盖FFT算法基础、蝶形运算单元设计、整体架构实现、时序收敛优化策略以及测试验证方法,重点提升FPGA上算法部署的运行效率与资源利用率。

vv45678的博客 824

关于 Unity 2019.2 版本升级到 Unity 2019.4 后导出 Android 工程的记录

由于发行的需求,原本的 Unity 2019.2 版本要升级到 Unity 2019.4 版本(为了要适配 Android 12)。 原因是 Unity 2019.2 打包后的项目在 Android 12 设备打开后白屏无法运行,于是使用空工程进行了测试,发现 Unity 2019.4 以后的版本都可以正常运行(没有测试 Unity 2019.3,但感觉应该也可以运行)。 在经过比对后还是决定使用 2019.4 版本。 由于发行那边的 sdk 只有安卓源生版本,所以我们为了方便集成其他的 sdk,采用的方式

艾沃尼斯の飞空庭 1755

3D打印机控制系统设计:基于MATLAB的3D打印机运动学建模、轨迹规划和控制

控制实现:在控制实现中,需要将轨迹规划的结果转化为实际的控制指令,控制3D打印机按照规划的轨迹进行运动。3D打印机的运动学建模:3D打印机的运动学建模是指将3D打印机的机械结构、传动系统和运动控制部件等抽象成数学模型,以便于进行控制系统的设计和分析。轨迹规划:轨迹规划是指根据3D模型的几何形状和打印机的运动学模型,计算出打印机需要执行的运动轨迹,以便于实现所需的打印效果。控制实现:控制实现是指将轨迹规划的结果转化为控制指令,控制3D打印机按照规划的轨迹进行运动。

走向CTO的路上... 2475

unity穿山甲SDK打包问题

在unity导入穿山甲SDK后,打包apk时报了一个错误:mainTemplate.gradle file is using the old aaptOptions noCompress property definition which does not include types defined by unityStreamingAssets constant. 解决办法:在mainTemplate以下位置加入代码:noCompress = ['.ress', '.resource', '.ob.

qinooo的博客 2万+

(四) OpenClaw-Skill技能全面了解和自定义技能

OpenClaw Skills是提升AI代理功能性的关键模块。本文系统介绍了Skills的核心概念、获取渠道和创建方法。Skills作为标准化指令集合,能让OpenClaw从单纯理解升级为实际执行任务,相比传统System Prompt具有模块化、可复用等优势。用户可通过Clawhub官方商店、GitHub社区等渠道获取5700+现成技能,或按需开发自定义Skill。文章详细演示了创建"Hello World"示例技能的完整流程,包括编写Python脚本、配置SKILL.md文件、部署。

直到世界的尽头 8305

RK3568平台YOLOv11模型部署全流程实战:环境搭建、模型转换与性能优化解析

在AI边缘计算领域,瑞芯微RK3568芯片凭借其强大的NPU算力和丰富的接口资源,成为了众多开发者的首选平台。然而,瑞芯微官方文档虽然提供了YOLO11预训练模型的部署方案,但对于需要自定义数据集训练的开发者来说,从模型训练到板端部署的完整流程却缺乏详细指导。本文将带你走完从环境搭建、数据准备、模型训练到最终板端部署的完整技术路线,并分享实际开发中遇到的各种坑点和解决方案。让我们一起探索如何在RK3568平台上实现30FPS稳定推理的YOLO11目标检测应用!

LXY_LOVE36的博客 124

Unity---MainTemplate.gradle配置取消v2签名

android { compileSdkVersion **APIVERSION** buildToolsVersion '**BUILDTOOLS**' aaptOptions.cruncherEnabled = false lintOptions { checkReleaseBuilds false abortOnError false } //signingConfigs 必须在defaultConfig前面 ...

学海无涯 2775

RDKit | 基于Murcko骨架聚类化合物库

化合物多样性评估 一种方法是使用合适的指纹技术将化合物矢量化并评估他们之间的距离。这种方法经常被使用,但是对于人类很难直观地理解化合物之间的距离。 基于Murcko骨架,分子大致聚集在化合物骨架中,并且每个簇中的顶部化合物都作为候选化合物。此方法非常符合人类的直觉,因此可以预期人将通过查看候选化合物列表来自动缩小化合物的范围。 Murcko骨架 Mur...

DrugOne 3770

Unity打Android包,报.gradle needs to be updated,old aaptOptions noCompress,需要更新unityStreamingAssets的错误

** Unity打Android包,报*.gradle needs to be updated! old aaptOptionsnoCompress,关于unityStreamingAssets的错误mainTemplate.gradle needs to be updated! ** we’ve detected that your custom Assets/Plugins/Android 'mainTemplate.gradle file is using a deprecated way of co

妖灵贰肆 7700

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

全球国家地区城市数据

MySQL全球国家地区城市数据报。。。。。。。。。。。。

Unity2020+ 导出安卓项目失败

Unity2020+ 使用External Dependency Manager导出包错误

m956948724的博客 5434

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

[Unity安卓开发]Unity3D Gradle基础

Unity 将 Gradle 用于所有 Android 构建。可以在 Unity 中构建输出包(.apk、.aab),也可以从 Unity 导出 Gradle 项目,然后通过外部工具(如 Android Studio)进行构建。 自定义Gradle模板 Custom Main Gradle Template 可自定义版本。此文件包含有关如何将 Android 应用程序构建为库的信息。 模板变量 变量: 描述: DEPS 项目依赖项(即,项目使用的库)的列表。 APIVE.

卡塔部落-老酋长 1万+

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

Unity2017.4.x版本使用Gradle编译教程

Unity2017.4.x使用gradle编译需要进行如下修改: 使用文本编辑器打开unity安装目录\Unity2017.4.x\Unity\Editor\Data\PlaybackEngines\AndroidPlayer\Tools\GradleTemplates\下的mainTemplate.gradle文件 1.将buildToolsVersion设置为...

xinyangsd的专栏 1120

Unity WWW下载AssetBundle全流程详解

本文介绍了使用Unity的WWW类从服务器下载AssetBundle的流程。首先将打包好的AssetBundle上传至服务器,然后在客户端构造URL并通过WWW发起异步下载请求。下载完成后需检查错误并获取AssetBundle对象,加载所需资源后及时卸载释放内存。文章还说明了依赖处理方法和常见注意事项,包括缓存、平台兼容性和内存管理等。虽然WWW已被标记为过时,但该流程仍适用于需要兼容旧项目的场景,同时建议新项目使用更高效的UnityWebRequestAssetBundle替代方案。最后提供了简明的流程图

本博客聚焦游戏开发技巧、创业实战心得及大学热门课程干货。这里既有技术深度,也有思维广度,无论你是开发者、创业者还是高校学子,都能在这里找到适合自己的成长之路! 2137

Unity老项目Android 13支持

Google官方要求新、老app在一定时间要求内需要面向Android 12、Android 13构建,不然不给app过审。我们之前是面向Android API 30构建的,现在需要支持面向Android API 33构建。在支持Android 13的时候遇到了很多问题,在此做下记录,提供参考。

weixin_42186870的博客 1872

【Unity3d】开发Unity Package 实现自动配置Android Studio工程

众所周知,unity3d工程可以导出android studio、xcode等平台工程,还需要手动添加一些代码或者修改一些参数后再打包才能满足我们的业务需要。

devnn的专栏 2601

Unity版本升级2022 Gradle 升级7.x版本调整

务必删除mainTemplate.gradle的所有maven{ url ... },所以查到是仍然支持的,但现在只需要settingsTemplate.gradle。settingsTemplate.gradle是新增的一个文件,用于统一管理所有的maven依赖加载路径。并且位于最前方,如果你还有其他的maven{ url ... } 请放置在它们下方。调整settingsTemplate.gradle文件的maven,必须添加有。mainTemplate.gradle有所变化,主要如下标红行。

两水先木示的博客 2444

记录:unity自定义配置对应AndroidStudio的文件

的内容应当构建为一个Android Library程序(Unity主程序),这样它可以嵌入到其他Android程序中。配置Gradle构建需要的环境。配置在所有其他Template、Gradle工程中都共享的内容。配置构建独立Android应用(启动程序)的指令。配置构建Android Library的信息。启动程序的Manifest配置文件。在Gradle工程中,对应。在Gradle工程中,对应。在Gradle工程中,对应。在Gradle工程中,对应。在Gradle工程中,对应。

weixin_42217846的博客 233

Android(主)和Unity3D(Library)之间交互

网上也看过很多unity和android的交互文章,大部分都是unity为主,android打包成library给unity调用。 考虑到如果原生android项目中,需要嵌入模型,并且和模型有交互,而android其它页面用原生开发。这时就需要把unity导出为library给android工程调用。 1.unity导出library部分 导出时包名记得和android工程统一 最后导出来是这样的 2.将unityLibrary丢到android工程里(如果不想单独把un...

qq_29194615的博客 5220

Unity2019配置JDK、SDK、NDK、Gradle

用Unity开发了一个使用AR Foundation的小项目,导出项目需要在安卓手机上进行测试。在导出时遇到了配置环境的问题,查找了很多方法终于解决。记录一下。我所使用的unity版本是2019.2.12f。在完成项目需要导出时,在首选项设置中需要设置JDK、SDK、DNK、Gradle路径。下面分别写一下配置方法。

y0205yang的博客 7455

Unity 欧盟UMP用户隐私协议Android接入指南

当isUseEEA,isUseTestDeivce,isResetUMP都为true时运行后搜setTestDeviceIds。项目路径下 Assets/Plugins/Android/mainTemplate.gradle。TEST-DEVICE-HASHED-ID 为你的设备测试ID。在下面代码注释 “加载广告”的地方处理你的开屏广告。开启VPN -选德国节点。

曾用名:极客柒 2596

unity嵌入android应用后资源加载很慢

unity嵌入android应用后资源加载很慢

qmladm的博客 1403
上一篇: C# 零基础入门知识点汇总
下一篇: Unity 之 月签到累计签到代码实现(ScriptableObject应用 | DoTween入场动画)
陈言必行
陈言必行 领域专家: 游戏开发技术领域 领域专家: 游戏开发技术领域
博客等级 码龄9年 1万+粉丝 845原创
评论 3
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

陈言必行

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址