Bleak库中BleakScanner回调函数失效问题解析
2025-07-05 13:54:58作者:姚月梅Lane
问题现象
在使用Python蓝牙BLE库Bleak时,开发者发现当使用BleakScanner类进行设备扫描时,设置的detection_callback回调函数没有被触发。示例代码中虽然扫描到了21个蓝牙设备,但回调函数中的打印语句始终没有执行。
技术背景
Bleak是一个跨平台的Python蓝牙低能耗(BLE)客户端库,BleakScanner是其提供的设备扫描工具。正常情况下,该扫描器支持两种工作模式:
- 主动轮询模式:通过
discover()方法一次性获取所有设备 - 事件驱动模式:通过回调函数实时接收设备发现通知
问题根源
经过分析,这个问题源于对BleakScanner工作模式的误解。在示例代码中,开发者同时混用了两种工作模式:
devices = await BleakScanner(detection_callback=...).discover()
这里的关键点在于:
discover()是一个类方法,它会创建新的扫描实例,而不是使用当前构造的实例- 当调用
discover()时,实际上创建了一个独立的扫描过程,忽略了之前设置的callback参数
正确用法
要实现回调功能,应该使用上下文管理器模式:
async with BleakScanner(detection_callback=lambda device, _: print(device)) as scanner:
await asyncio.sleep(10) # 持续扫描10秒
或者显式地控制扫描生命周期:
scanner = BleakScanner(detection_callback=...)
await scanner.start()
await asyncio.sleep(10)
await scanner.stop()
设计原理
BleakScanner的这种设计体现了:
- 类方法与实例方法的职责分离
discover()作为快捷方法,适用于简单场景- 完整实例化方式,适用于需要细粒度控制的场景
最佳实践建议
- 简单场景:直接使用
discover()类方法 - 需要回调或持续扫描:使用实例化方式
- 注意异步上下文管理器的使用
- 扫描时间需要合理设置,避免资源浪费
总结
理解BleakScanner两种工作模式的差异对于正确使用该库至关重要。在需要实时处理设备发现的场景下,应当避免使用discover()快捷方法,而应采用实例化扫描器的方式,这样才能确保回调函数被正确触发。这种设计模式在Python的异步IO库中相当常见,体现了关注点分离的设计原则。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.84 K
Ascend Extension for PyTorch
Python
380
454
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
894
677
暂无简介
Dart
803
198
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
353
207
昇腾LLM分布式训练框架
Python
119
147
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781