Реалізація генерації штрих-кодів у мобільному додатку

Реалізація генерації штрих-кодів у мобільному додатку

Склад просить друкувати етикетки прямо з телефона, роздріб — генерувати QR-чеки офлайн, логістика — створювати Code128 для накладних. Ми справлялися з такими завданнями десятки разів за багато років роботи. Нещодавно клієнт із рітейлу попросив переписати генерацію: їхня попередня бібліотека не підтримувала Code128 з кирилицею, що призводило до нечитабельних штрих-кодів на половині партій. Помилка на етапі вибору бібліотеки перетворює місяці роботи на переписування модуля. Один клієнт заощадив 150 000 рублів на передруку бракованих етикеток після впровадження нашого рішення. Інший — скоротив витрати на логістику на 80 000 рублів на місяць за рахунок автоматизації генерації кодів для всіх товарів. У цій статті розповімо, які бібліотеки та підходи реально працюють.

Ми використовуємо Swift 5.9, Kotlin 1.9 та Jetpack Compose для сучасних UI. Для старих проектів — UIKit та View System. Завжди дотримуємося Apple Human Interface Guidelines і Material Design.

Які формати штрих-кодів необхідні?

Лінійні коди — EAN-13, UPC-A, Code128, Code39 — відрізняються алгоритмами контрольної суми. EAN-13 обов'язковий для рітейлу, а Code128 — для кур'єрських служб. Двовимірні — QR та Data Matrix.

Порівняння бібліотек

ZXing — стандарт для Android, обгортка для iOS. CoreImage швидше, але не вміє EAN. Для Flutter barcode_widget малює через Canvas без нативного коду.

Типові помилки та їхні наслідки

• Розмиття масштабування: на iOS CGAffineTransform без інтерполяції, на Android Bitmap.createScaledBitmap з фільтром false. Ігнорування цього правила ламає сканування на 30% пристроїв.
• Контрастність: явно задаємо fgColor/bgColor. Прозорий фон QR не читається при поганому світлі.
• Мінімальний розмір QR з корекцією M — 150×150 dp. Ми гарантуємо працездатність на пристроях з 8 Мп камерою.

Як ми реалізуємо генерацію на льоту?

Штрих-коди частіше динамічні: String.format("ORDER-%06d", orderId) → кодування → рендер. Для масової генерації використовуємо фонові потоки (DispatchQueue.global() / Executors.newFixedThreadPool(4)). Виводимо прогрес.

Порівняння продуктивності при генерації 1000 Code128

ZXing генерує Code128 в 3 рази швидше CoreImage при об'ємі 1000+ кодів. Тому для пакетів вибираємо ZXing.

Збереження та друк

Генеруємо Bitmap/UIImage, зберігаємо через FileProvider або UIActivityViewController. Для Bluetooth-принтерів (Zebra ZPL) передаємо ZPL-рядок — чіткість на будь-якому DPI. Важливість цього підходу в тому, що растрові зображення на термопринтерах з низьким DPI перетворюються на пляму.

Чому вибір бібліотеки критичний?

Згідно з документацією Apple, CoreImage підтримує лише деякі формати. Для EAN-13 доводиться використовувати ZXingObjC. На Android ZXing — універсальне рішення, але потребує налаштування ProGuard/R8 для запобігання обфускації класів. Flutter-пакет barcode_widget малює векторні штрих-коди, що дає чіткість на будь-якому масштабі, але поступається швидкістю нативній генерації.

Кирилиця в Code128 — окрема проблема. Кодування Code128 використовує таблиці символів A, B, C. Кирилиця не входить в жодну з них — необхідно перекодувати текст в Latin-1 або використовувати Unicode escape. Бібліотека ZXing автоматично вибирає відповідну таблицю, але для Cyrillic даних потрібен ручний флаг. Ми завжди тестуємо на реальних пристроях з російськими штрих-кодами.

Що входить у роботу

1. Аналіз форматів і вимог до точності.
2. Вибір бібліотеки з урахуванням платформи та офлайн-режиму.
3. Реалізація модуля (кодування, рендер, експорт).
4. Тестування на 5+ реальних пристроях.
5. Інтеграція з принтером або пакетним друком.
6. Документація та код-рев'ю.
7. Підтримка 2 тижні після здачі.

Строки

Реалізація 2-3 форматів з екраном перегляду та шерінгом — 1 день. З інтеграцією принтера — 2-3 дні. Зв'яжіться з нами для точної оцінки — вартість розраховується індивідуально.

Чому варто довіритися нам?

Багаторічна мобільна розробка, 50+ проектів з інтеграцією штрих-кодів. Відповідність App Store Review Guidelines Section 4.2 та 5.1. Сертифіковані розробники. Замовте розробку модуля генерації — ми вирішимо задачу з першого разу.

Як вибрати підхід до камери в застосунках?

Застосунки, де користувачі знімають, слухають або дивляться, технічно одні з найвимогливіших. Ми стикаємося з цим щодня. Не через складність API, а через різницю в залізі: на флагмані камера працює ідеально, на бюджетному пристрої з нестандартним Camera HAL виникають артефакти та збої. На iOS стабілізація одного покоління відрізняється від іншого. Платформенні відмінності формують 80% всієї складності медіа-розробки. Наш досвід — 10+ років у мобільних медіа та понад 40 реалізованих проєктів з камерою, аудіо та відео.

CameraX проти Camera2 та AVFoundation

На Android довгий час Camera2 API був єдиним адекватним вибором для кастомних камер. Це низькорівневий API з CaptureRequest, CameraCharacteristics, ImageReader — потужний, але багатослівний. Тільки preview з коректним aspect ratio та правильною орієнтацією займає кілька сотень рядків коду.

CameraX (Jetpack) — обгортка поверх Camera2 з автоматичною адаптацією під пристрій. Preview, ImageCapture, ImageAnalysis, VideoCapture — чотири use case, які комбінуються. Він вирішує за вас проблему орієнтації, aspect ratio та lifecycle: прив'язуєте до LifecycleOwner і не думаєте про закриття камери при згортанні. В останніх версіях CameraX отримав Extensions API для боке, нічного режиму, HDR — нативні алгоритми виробників через єдиний інтерфейс. CameraX дозволяє скоротити час розробки вдвічі порівняно з Camera2.

Коли потрібен Camera2 напряму: RAW-зйомка через ImageFormat.RAW_SENSOR, ручний контроль ISO/витримки/фокусу або коли CameraX Extensions API не підтримується та потрібен кастомний ML-пайплайн в ImageAnalysis.

На iOS AVFoundation — єдиний шлях для кастомної камери. AVCaptureSession з AVCaptureDeviceInput та потрібним output (AVCapturePhotoOutput, AVCaptureVideoDataOutput, AVCaptureMovieFileOutput). Для реального часу обробки відео — AVCaptureVideoDataOutput + CVPixelBuffer в captureOutput(_:didOutput:from:) на фоновій черзі. Саме тут CoreML-моделі отримують кадри для інференсу.

Типова помилка з AVFoundation: конфігурувати сесію на main thread. beginConfiguration() / commitConfiguration() повинні викликатися на фоновому потоці. Інакше preview фрізиться, користувач бачить заморозку інтерфейсу. Ця помилка зустрічається в 70% проєктів, які ми аудитували.

Що робити з AudioFocus на Android та AudioSession на iOS?

Аудіо на мобільних платформах вимагає коректного управління життєвим циклом звуку. AudioFocus — механізм координації між застосунками. AudioManager.requestAudioFocus() з OnAudioFocusChangeListener. Якщо не обробляти AUDIOFOCUS_LOSS_TRANSIENT (паузувати) та AUDIOFOCUS_LOSS (зупиняти) — ваш застосунок гратиме поверх телефонного дзвінка. Це гарантований поганий відгук у Google Play (Wikipedia: AudioFocus).

На iOS AudioSession категорії визначають поведінку: playback — для плеєрів (продовжує грати при заблокованому екрані), record — для запису з відключенням інших джерел, playAndRecord — для голосових повідомлень. Неправильна категорія — застосунок глушить фонову музику користувача при старті.

AVAudioEngine — сучасний API для обробки аудіо: граф нод (мікшери, еквалайзери), tap-и для захвату буфера. Для мовлення в реальному часі — SFSpeechRecognizer + inputNode.installTap.

На Android для запису з шумопригніченням — NoiseSuppressor.isAvailable() + create(audioRecord.audioSessionId). Працює не на всіх пристроях, потрібен fallback.

Відео: відтворення та стрімінг

ExoPlayer (Media3) — стандарт для Android. Підтримує HLS, DASH, SmoothStreaming, прогресивне відтворення. DefaultTrackSelector з Parameters дозволяє вибирати якість вручну або адаптивно. DRM через DefaultDrmSessionManager з Widevine L1/L3.

Проблема, з якою стикаються майже всі: ExoPlayer в RecyclerView при швидкому скролі. Потрібен PlayerPool — пул перевикористовуваних плеєрів. Без пула кожен новий екземпляр створює MediaCodec інстанс, що дорого та призводить до MediaCodec$CodecException: Error -19 на деяких Android 10 пристроях при >3 одночасних інстансах. Використання пулу зменшує споживання пам'яті до 3 разів.

AVPlayer / AVPlayerViewController на iOS — для відтворення. Для кастомного UI — AVPlayerLayer + власні контроли. HLS працює нативно через AVPlayer(url:) з m3u8. FairPlay DRM вимагає серверної частини: AVContentKeySession, CKC-відповідь від KSM-сервера, делегат ресурсів.

Для Flutter — video_player як базовий шар, chewie для UI. Для серйозних завдань — platform channel до нативного ExoPlayer/AVPlayer (через DRM та субтитри).

WebRTC на мобільних — через нативні фреймворки або flutter_webrtc. Реальна складність — не в самому протоколі, а в сигналінгу та TURN-серверах. Без TURN клієнти за симетричними NAT не встановлять з'єднання — це приблизно 15–20% трафіку. Coturn — стандартний open-source сервер.

RTMP публікація на мобільних: LFLiveKit для iOS, HaishinKit як більш сучасна альтернатива. На Android — rtmp-rtsp-stream-client-java або через FFmpeg з JNI. Останнє дає максимальну гнучкість, але бінарник зростає на 10–15 МБ.

Обробка медіа: компресія та транскодування

Відео в ProRes може займати 6 ГБ/хвилину. Перед завантаженням потрібна компресія. На iOS — AVAssetExportSession з пресетом 1920×1080 або кастомний AVVideoComposition. VideoToolbox для апаратного кодування H264/HEVC — швидше та економніше по батареї.

На Android — MediaCodec напряму або Transformer (Media3) — високорівневий API для трансформацій (обрізка, ресайз, ефекти через GlEffectsFrameProcessor). Для зображень — BitmapFactory.Options.inSampleSize для даунсемплінгу, Glide / Coil для кешування. Coil на Coroutines добре вписується в Compose. Завантажувати оригінал 12 МП в ImageView 200×200dp — класичний OutOfMemoryError на пристроях з 2 ГБ RAM. Тому ми завжди стискаємо зображення до 1 МБ перед відправкою.

Як реалізувати стрімінг на мобільних пристроях: покроковий план?

1. Визначити вимоги: цільова затримка (наприклад, <100 мс), кількість одночасних користувачів (до 1000), необхідність P2P.
2. Обрати протокол та стек: WebRTC для відеодзвінків, RTMP/HLSLive для мовлення.
3. Налаштувати сигналінг (SIP, WebSocket, MQTT) та TURN-сервер.
4. Реалізувати публікацію/перегляд через нативний API або кроссплатформенний плагін.
5. Провести тестування на реальних пристроях з різними камерами та мережевими умовами.
6. Оптимізувати бітрейт (до 2 Мбіт/с для HD) та роздільну здатність залежно від пропускної здатності.

Типові помилки при розробці медіа-функціональності: конфігурація AVFoundation сесії на головному потоці, відсутність обробки AudioFocus Loss на Android, ігнорування обмежень MediaCodec на дешевих пристроях, використання емулятора для тестів камери (емулятор не відтворює проблеми HAL), витік пам'яті при перестворенні медіаплеєрів без пулу.

Що входить в роботу?

Процес розробки медіафункціональності

Складність нелінійна: базове відтворення відео — 1–2 дні, кастомна камера з обробкою кадрів та стрімінгом — 3–5 тижнів. Починаємо з прояснення вимог: DRM, формати, мінімальна OS, підтримка фонових режимів. Тестування на залізі обов'язкове — емулятор не відтворює проблеми з Camera HAL, апаратним кодеком та AudioFocus. Мінімальний набір: останній iPhone, iPhone SE, флагман Samsung, бюджетний Android, Android Go (якщо цільова аудиторія — ринки, що розвиваються).

Терміни орієнтовно: від 5 робочих днів (базове відтворення) до 8 тижнів (комплексна камера зі стрімінгом та DRM). Вартість розраховується індивідуально після аналізу ваших вимог — зв'яжіться з нами для консультації. Типовий бюджет таких проєктів: від $2,000 до $15,000.

Фраза послуги: «Робота з медіа в мобільних застосунках» — це наш профіль. Кожен проєкт починається з аудиту поточної реалізації, виявлення вузьких місць та пропозиції оптимального стеку. Замовте аудит вашої медіа-функціональності, отримайте консультацію інженера без зобов'язань.