使用MFRC522库读取MIFARE RFID标签数据的正确方法
概述
在使用MFRC522库与ESP32开发板读取MIFARE 13.56MHz RFID标签时,开发者经常遇到能够成功读取标签UID但无法正确获取块数据的问题。本文将深入分析这一常见问题的原因,并提供完整的解决方案。
问题现象
开发者在使用MFRC522库时,能够通过uid.uidByte成功获取标签的UID,但在尝试使用MIFARE_Read函数读取块数据时,返回的数据不正确或者不符合预期。典型的表现是读取到的数据看起来像是随机值或固定模式,而非实际存储的数据。
根本原因分析
-
缓冲区大小处理不当:原代码中使用
sizeof(buffer)获取缓冲区大小,这返回的是数组的静态大小(18字节),而非实际读取到的数据长度。 -
块地址选择问题:MIFARE Classic标签有特定的块结构,某些块可能是厂商信息块或尾块,不能直接读取。
-
认证缺失:在读取数据块前,必须对相应扇区进行认证,否则读取操作会失败。
完整解决方案
1. 正确的块读取方法
// 定义认证密钥(默认FF密钥)
byte keyA[6] = {0xFF, 0xFF, 0xFF, 0xFF, 0xFF, 0xFF};
if (mfrc522.PICC_IsNewCardPresent() && mfrc522.PICC_ReadCardSerial()) {
// 选择扇区1的块4(实际应用中需要根据标签结构选择)
byte sector = 1;
byte blockAddr = 4;
// 进行认证
MFRC522::StatusCode status = mfrc522.PCD_Authenticate(
MFRC522::PICC_CMD_MF_AUTH_KEY_A, blockAddr, &keyA, &(mfrc522.uid));
if (status != MFRC522::STATUS_OK) {
Serial.print("认证失败: ");
Serial.println(mfrc522.GetStatusCodeName(status));
return;
}
// 读取块数据
byte buffer[18];
byte size = sizeof(buffer);
status = mfrc522.MIFARE_Read(blockAddr, buffer, &size);
if (status == MFRC522::STATUS_OK) {
// 仅打印实际读取到的字节数
dump_byte_array(buffer, size);
} else {
Serial.print("读取失败: ");
Serial.println(mfrc522.GetStatusCodeName(status));
}
mfrc522.PICC_HaltA();
mfrc522.PCD_StopCrypto1();
}
2. 改进的数据打印函数
void dump_byte_array(byte *buffer, byte bufferSize) {
for (byte i = 0; i < bufferSize; i++) {
Serial.print(buffer[i] < 0x10 ? " 0" : " ");
Serial.print(buffer[i], HEX);
}
Serial.println();
}
关键注意事项
-
扇区与块结构:MIFARE Classic 1K标签有16个扇区,每个扇区有4个块。块3是扇区尾块,包含访问控制位和密钥。
-
认证密钥:必须使用正确的密钥进行认证后才能读取数据块。默认出厂密钥通常是0xFF填充。
-
访问权限:检查扇区尾块中的访问控制位,确认当前密钥是否有读取权限。
-
块类型:避免读取厂商信息块(块0)和扇区尾块(每个扇区的块3)。
高级技巧
-
遍历所有可读块:可以编写循环遍历所有扇区和块,但要注意跳过厂商块和尾块。
-
密钥探测:当不知道密钥时,可以尝试常见密钥组合(全FF、全00、A0A1A2A3A4A5等)。
-
错误处理:完善的状态检查可以大大提高代码的健壮性。
结论
正确读取MIFARE标签数据需要理解标签的存储结构、认证机制和访问控制。通过本文介绍的方法,开发者可以可靠地读取标签中的数据块。实际应用中,还应考虑添加适当的错误处理和日志记录,以便快速定位问题。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00