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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00