AFHTTPRequestOperation 错误信息 NSError code表示含义

github_26452845 github_26452845 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 1.1k累计阅读 1.1k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄12年
关注
原创 最新推荐文章于 2026-05-17 09:19:20 发布 1.1k 阅读 AI 写同款· GEO 优化 ›
当Flowable遇上AI：智能流程决策的未来探索 本文探讨了Flowable工作流引擎与AI技术的融合，构建智能流程决策系统的前沿实践。通过动态流程控制、机器学习优化表达式、自然语言生成规则等创新方法，显著提升业务流程的自动化水平和决策效率。重点解析了AI如何赋能Flowable核心引擎，实现从静态规则到动态智能的跨越式发展。 阅读详情

AFHTTPRequestOperation  

NSError  code表示含义

enum

{
   NSURLErrorUnknown = -1,
   NSURLErrorCancelled = -999,
   NSURLErrorBadURL = -1000,
   NSURLErrorTimedOut = -1001,
   NSURLErrorUnsupportedURL = -1002,
   NSURLErrorCannotFindHost = -1003,
   NSURLErrorCannotConnectToHost = -1004,
   NSURLErrorDataLengthExceedsMaximum = -1103,
   NSURLErrorNetworkConnectionLost = -1005,
   NSURLErrorDNSLookupFailed = -1006,
   NSURLErrorHTTPTooManyRedirects = -1007,
   NSURLErrorResourceUnavailable = -1008,
   NSURLErrorNotConnectedToInternet = -1009,
   NSURLErrorRedirectToNonExistentLocation = -1010,
   NSURLErrorBadServerResponse = -1011,
   NSURLErrorUserCancelledAuthentication = -1012,
   NSURLErrorUserAuthenticationRequired = -1013,
   NSURLErrorZeroByteResource = -1014,
   NSURLErrorCannotDecodeRawData = -1015,
   NSURLErrorCannotDecodeContentData = -1016,
   NSURLErrorCannotParseResponse = -1017,
   NSURLErrorInternationalRoamingOff = -1018,
   NSURLErrorCallIsActive = -1019,
   NSURLErrorDataNotAllowed = -1020,
   NSURLErrorRequestBodyStreamExhausted = -1021,
   NSURLErrorFileDoesNotExist = -1100,
   NSURLErrorFileIsDirectory = -1101,
   NSURLErrorNoPermissionsToReadFile = -1102,
   NSURLErrorSecureConnectionFailed = -1200,
   NSURLErrorServerCertificateHasBadDate = -1201,
   NSURLErrorServerCertificateUntrusted = -1202,
   NSURLErrorServerCertificateHasUnknownRoot = -1203,
   NSURLErrorServerCertificateNotYetValid = -1204,
   NSURLErrorClientCertificateRejected = -1205,
   NSURLErrorClientCertificateRequired = -1206,
   NSURLErrorCannotLoadFromNetwork = -2000,
   NSURLErrorCannotCreateFile = -3000,
   NSURLErrorCannotOpenFile = -3001,
   NSURLErrorCannotCloseFile = -3002,
   NSURLErrorCannotWriteToFile = -3003,
   NSURLErrorCannotRemoveFile = -3004,
   NSURLErrorCannotMoveFile = -3005,
   NSURLErrorDownloadDecodingFailedMidStream = -3006,
   NSURLErrorDownloadDecodingFailedToComplete = -3007

}


for more

收录于
网络封装

当前文章被收录于：

网络封装
3 篇文章 0 人学习
订阅专栏 查看详情
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
爆肝5万字❤️Open3D 点云数据处理基础（Python版） 本文为Open3D 点云数据处理基础教程（Python版），小白也能轻松上手！还等什么呢，学起来！ 阅读详情

相关推荐

freeswitch系列二 kamailio 5.0安装及实现kamailio集成freeswitch

kamailio是个纯粹的SIP服务器。本文介绍先如何在debian8下安装debian5.0，然后详细介绍如何实现使用kamailio做freeswitch均衡负载。kamailio同时实现做为代理服务器、注册服务器、重定向服务器。

不积跬步无以至千里; 不积小流无以成江海 1万+

ios中NSURLError错误码（URL加载错误码）

NSURLError（URL加载错误码） enum : NSInteger { NSURLErrorUnknown = -1, NSURLErrorCancelled = -999, NSURLErrorBadURL = -1000, NSURLErrorTimedOut = -1001, NSURLErrorUnsupportedURL = -1002, NSURLErrorCannotFindHost = -1003, NSURLErrorCa

gcs的博客 1万+

C8T6和ZET6选型更换过程中出现.\Obj\Project.sct(7): error: L6235E: More than one section matches selector - cann

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、问题原因二、解决方法三、现象总结 前言 又一件离谱的事情发生了，我之前转换过程中没有发生的错误，今天拿出来程序重新编译了一下，结果他奶奶滴一个新的错误出现了，而且我还完全不知道是什么原因导致的，先上图： 一、问题原因 之前我已经尝试过更换芯片选型，但是没有出现此类问题，今天更改的时候发现了，我还以为是个偶然错误，结果换来换去，还是有这个问题，那我之前说c8t6的程序更改成zet6上跑只需改芯片选型和宏定义岂不是啪啪打.

wx18045623090的博客 1488

iOS开发之－－iOS网络请求错误码。

今天无聊刷脉脉，可是发现怎么刷都出现错误－1003，后来改为wifi网络下，变成错误－1001，上网查找了一番发现分别为找不到host和请求超时。 官方链接为：https://developer.apple.com/library/mac/#documentation/Cocoa/Reference/Foundation/Miscellaneous/Foundation_Constants/Re

counting stars的博客 7288

Qt中输出中文出现乱码（win10系统下）

当我刚开始在win10下使用Qt Creator（4.3.0版本）时，遇到过这么个问题：当程序输出中文时，中文会乱码，程序本身的中文未乱码。 乱码截图如下： 我查阅了很多资料，最后在自己的不断的尝试下，解决了乱码问题。进入主题，具体如何解决乱码？ ① 首先，我们先设置一下，可以直观在Qt界面上看到文件的编码方式： 点击工具（tool）->选项（option）->文本编辑器->显示->Diplayfileencoding，将其勾选上，点击apply，即可，截图如下...

请叫我皮皮虾的博客 5199

手把手教你用CH582的USB0/1双接口玩转CherryUSB协议栈（附完整代码）

本文深入解析CH582双USB接口硬件架构，详细讲解如何通过CherryUSB协议栈实现双接口协同工作，包括中断处理设计、端点资源分配和复合设备描述符配置。提供HID+CDC复合设备实战案例，并分享高级调试技巧与性能优化方法，帮助开发者充分利用CH582的USB0/1双接口潜力。

weixin_42525637的博客 264

加载URL时错误码信息

URL Loading System Error Codes These values are returned as the error code property of an NSError object with the domain “NSURLErrorDomain”. enum { NSURLErrorUnknown = -1, NSURLErrorCancelle

pingchangtan367的专栏 9524

世界模型（World Models）进展全景调研（截至 2025-08）

A5) 2019-07（待核验） | C-SWM：Contrastive Structured World Models（Kipf et al.）A6) 2019-07（待核验） | SLAC：Stochastic Latent Actor-Critic（Lee et al.）A3) 2015-12（背景注记，待核验） | Embed to Control（E2C，Watter et al.）Nature 2020）Repro/Code：werner-duvaud/muzero-general（社区）

u013250861的博客 487

Apple NSURL网络错误码

/*!     @enum NSURL-related Error Codes     @abstract Constants used by NSError to indicate errors in the WebFoundation domain     @discussion Documentation on each constant forthcoming. */ enum

birthmarkqiqi的专栏 1801

一文弄懂Word2Vec之skip-gram（含详细代码）

目录 前言 一、什么是Skip-gram算法 二、目标是什么 三、定义表示法 3.1 one-hot向量 3.2 词向量（word vector） 3.3 单词矩阵 3.4 单词相似度 3.5 softmax函数 3.6算法过程 3.7 求softmax 四、skipgram代码实现 4.1 如何把词转换为向量 4.2 CBOW和Skip-gram的算法实现 Skip-gram的理想实现 Skip-gram的实际实现 4.3 使用Pytorch实现Skip-gram .

Python，数据分析，机器学习，深度学习 1万+

YOLO11 Backbone改进：二值化、三值化权重实战（一）

本文介绍了二值化/三值化神经网络的基本概念、优势挑战及应用场景。二值化网络将权重限制为±1，三值化则增加0值，显著减少模型存储需求和计算复杂度。虽然存在精度下降等挑战，但通过技术改进已能在移动设备、自动驾驶等领域应用。文章分析了YOLO11中适合量化的层，并详细阐述了二值化权重原理及Straight-Through Estimator等关键技术。二值化/三值化神经网络为资源受限设备提供了高效的深度学习解决方案。

本博客聚焦 YOLOv11 全流程落地，涵盖架构优化、数据集处理、训练技巧与多场景部署，兼及国产数据库、Java 开发与 AI 模型应用，内容兼顾理论与工程实践，为开发者提供系统干货，助力高效提升技术能力。 297

iOS中获取NSError错误信息汇总

iOS的NSError错误信息问题汇总 一. URL网络框架错误域问题 使用AFNetworking 走了fail方法,输出错误信息 1. 网络请求中, 错误值作为域 NSURLErrorDomain 的 NSError 对象的错误代码属性返回。 error ------->>>>>> Error Domain=NSURLErrorDomain Code=...

小毅哥哥的博客 1万+

高通平台开发系列讲解（USB篇）MBIM协议详解

📢本文主要介绍高通平台USB网卡MBIM协议。

内核笔记 5438

NSError错误码解读

NSError 错误码解读 码 描述 -1NSURLErrorUnknown 1kCFHostErrorHostNotFound 表示DNS查找失败。 2kCFHostErrorUnknown 发生未知错误（例如名称服务器故障）。有关其他信息，请查询kCFGetAddrInfoFailureKey以获取getaddrinfo返回的值;在netdb.h中查...

Kiven's Program Space 3530

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章，有部分习题没有答案，全英文复分析阿尔福斯(Ahlfors) 第三版答案

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

部分NSError.code错误码对应常用提示语

NSError 错误代码小结

sinat_29949283的博客 8864

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")

iOS中获取NSError错误信息问题汇总

【代码】iOS中获取NSError错误信息问题汇总。

hblove321的博客 2491

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过，这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后，重新检测通过。

Error Domain=NSURLErrorDomain Code=-1003 解决方案

1.Mac 模拟器报Error Domain=NSURLErrorDomain Code=-1003 2.问题是dns导致的 处理方案： 1)关闭模拟器 2)更换dns:设置->网络->高级->DNS 3)打开模拟器 4)删除添加的dns  5)现在刷新页面，应该就没问题了 ...

Mayxc的博客 1万+

NSURLSessionDownloadTask 出现 NSURLErrorDomain的解决方案

当你使用NSURLSessionDownloadTask下载资源时 可能会出现 NSURLErrorDomain类似的错误无法下载资源，以下是这种情况的解决方案：原因是： iOS9引入了新特性App Transport Security (ATS)。详情：App Transport Security (ATS) 新特性要求App内访问的网络必须使用HTTPS协议。意思是Api接口以后必须是HTTPS 但是现在公司的项目使用的是HTTP协议，使用私有加密方式保证数据安全。现在也不能马上改成HTTPS协议传输

xufengxufeng123的博客 5420

NSURLErrorDomain 中的ErrorDomain 是什么以及如何设计这么一套规范

设计一个错误域需要创建一个错误域字符串和一系列相关的错误代码。通常，这些错误代码会被定义为枚举的形式。下面是如何定义一个简单的自定义错误域，以及相关的错误代码的示例。首先，定义错误域字符串常量：```objc```然后，在相应的`.m`文件中初始化这个字符串：```objc```接下来，定义错误代码的枚举：```objc// ... 更多自定义错误代码```

jzfjay的专栏 2734

ios NSURLErrorDomain类型的错误:NSURLErrorCancelled)=-999

ios NSURLErrorDomain类型的错误:NSURLErrorCancelled)=-999。

weixin_43973241的博客 1536

http 错误码

http status code 转自:http://blog.deheng.me/?p=271 HTTP Status codes的分类 既然有正确和错误的状态，HTTP定义两大类状态码是不是就可以了？人家制订协议的可是专家（不象我是冒充的），想得比我们要周全，要长远。HTTP 1.1中定义了5大类Status codes，分别是： Informational 意义

hufeng825的专栏 5308

iOS webView “NSURLErrorDomain”错误 -999

最近发现在加载有的URL时会发生-999的报错，原因主要是用户频繁操作，导致一个链接还未完全加载完成后就立马加载一个新的链接，系统的web包就会收回第一个未加载完成的，然后抛出NSURLErrorCancelled的错误 我们只需要在didFailLoadWithError方法里，对NSURLErrorCancelled这个错误进行忽略即可 - (void)webView:(UIW

darongzi1314的专栏 6170

修复“找不到服务器IP地址”错误

当您在浏览器的地址栏中输入域名时，如果输入的域名与相应的 Internet 协议地址（IP 地址）不匹配，您将遇到“找不到服务器 IP 地址”错误。这通常发生在DNS服务器无法找到正确的IP地址时，导致无法访问网站。请注意，除了最后一个选项（域名不正确）之外，其他问题无法由用户解决，可能出现在网站服务器或DNS服务器上。然而，有时这种错误可能是由浏览器或设备问题引起的，以下提示将帮助您解决这些问题。要解决这一问题，请尝试以下修复方法。

A1_3_9_7的博客 1万+

Error Domain=NSURLErrorDomain Code=-999 请求取消

1、错误一：Error Domain=NSURLErrorDomain Code=-999 导致原因： 1、一个页面没有被完全加载之前收到下一个请求，此时迅速会出现此error,error=-999 2、此时可能已经加载完成，则忽略此error，继续进行加载。 2、错误二 ：AFNetworking进行证书认证时出错，取消请求 导致原因: 在AFSecurityPolicy.m文件中执...

zhao15127334470的博客 2万+

NSError 之 code 对照表

NSError code错误列表信息(NSFileManage、NSURL…)分类： 移动开发-iphone、ipad2010-11-02 23:31 10704人阅读 评论(0) 收藏 举报 osconstantsasynchronousfileservervalidation 目录(?)[+]官网地址:http://developer.apple.com/library/mac/#docum

我的iOS王者之路 1707

「IOS 网络踩坑」错误 Error Domain=NSURLErrorDomain Code=-1004

一、原因 两种可能 1.1 网络原因 请检查你的网络是否连接 建议使用浏览器搜索网页，因为 App 可能自带缓存 1.2 使用 LocalHost 本地测试时使用 LocalHost 上线时可能报错 解决方案转：StackOverFlow 1.3 IOS App 传输安全 项目目录下找到 Info.plist 位置：项目目录文件夹下查找，用文本编辑器打开 找到 NSAppTransportSecurity -> NSExceptionDomains 位置：对于添加权限 <key&

圆号本号 1万+
上一篇： NSOperationQueue、NSRunLoop和线程安全 学习笔记
下一篇： iOS开发 调试 网络限速
点赞 0
评论 0
书签 书签 0
github_26452845
github_26452845
博客等级 码龄12年 1粉丝 7原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 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
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