React Native Windows 中实现 BLE 通信的 C++ 原生模块开发指南
2025-05-13 20:33:35作者:吴年前Myrtle
在 React Native Windows 项目中,开发者经常需要实现与蓝牙低功耗(BLE)设备的通信功能。本文将详细介绍如何正确开发 C++ 原生模块来实现这一功能,并解决常见的模块注册和调用问题。
核心问题分析
在 React Native Windows 0.75.13 版本中,开发者尝试通过 C++ 原生模块实现 BLE 功能时,遇到了模块注册和构建错误。主要问题包括:
- 模块构造函数定义不当
- 方法缺少 noexcept 修饰符
- 模块注册方式不正确
- JavaScript 端调用方式错误
正确的 C++ 原生模块实现
模块头文件定义
#pragma once
#include "NativeModules.h"
#include <winrt/Windows.Devices.Bluetooth.h>
#include <winrt/Windows.Devices.Bluetooth.GenericAttributeProfile.h>
#include <winrt/Windows.Devices.Enumeration.h>
namespace winrt::SampleApp::implementation {
REACT_MODULE(BleModule)
struct BleModule {
REACT_INIT(Initialize)
void Initialize(winrt::Microsoft::ReactNative::IReactContext const& reactContext) noexcept {
m_reactContext = reactContext;
}
REACT_METHOD(StartScan)
void StartScan() noexcept;
REACT_METHOD(ConnectToDevice)
void ConnectToDevice(std::string deviceId) noexcept;
private:
winrt::Microsoft::ReactNative::IReactContext m_reactContext{ nullptr };
};
}
模块实现文件
#include "pch.h"
#include "BleModule.h"
using namespace winrt;
using namespace Windows::Devices::Enumeration;
using namespace Windows::Devices::Bluetooth;
namespace winrt::SampleApp::implementation {
void BleModule::StartScan() noexcept {
DeviceWatcher watcher = DeviceInformation::CreateWatcher(
BluetoothLEDevice::GetDeviceSelector());
watcher.Added([this](DeviceWatcher sender, DeviceInformation deviceInfo) {
auto deviceName = deviceInfo.Name().c_str();
if (m_reactContext) {
m_reactContext.CallJSFunction(
L"RCTDeviceEventEmitter", L"emit", L"onDeviceFound", deviceName);
}
});
watcher.Start();
}
void BleModule::ConnectToDevice(std::string deviceId) noexcept {
auto asyncOp = BluetoothLEDevice::FromIdAsync(winrt::to_hstring(deviceId));
asyncOp.Completed([this](auto const& asyncInfo, auto const& status) {
if (status == Windows::Foundation::AsyncStatus::Completed) {
auto device = asyncInfo.GetResults();
if (device && m_reactContext) {
m_reactContext.CallJSFunction(
L"RCTDeviceEventEmitter", L"emit", L"onDeviceConnected", device.Name().c_str());
}
}
});
}
}
模块注册
在 ReactPackageProvider.cpp 中,只需保留以下内容:
void ReactPackageProvider::CreatePackage(IReactPackageBuilder const &packageBuilder) noexcept
{
AddAttributedModules(packageBuilder, true);
}
JavaScript 端调用
正确调用原生模块的方式如下:
import { TurboModuleRegistry } from 'react-native';
const BleModule = TurboModuleRegistry.get('BleModule');
const BluetoothScanner = () => {
const scanDevices = async () => {
if (BleModule) {
BleModule.StartScan();
} else {
console.error('BleModule is not available');
}
};
return (
<View>
<Button title="Start Scanning" onPress={() => scanDevices()} />
</View>
);
};
关键注意事项
-
构造函数处理:使用 REACT_INIT 宏来接收 ReactContext,而不是定义额外的构造函数。
-
异常处理:所有 REACT_METHOD 方法必须标记为 noexcept,这是 React Native Windows 的要求。
-
模块注册:使用 AddAttributedModules 自动注册所有带有 REACT_MODULE 属性的模块,无需手动添加。
-
JavaScript 调用:确保使用正确的模块名称调用 TurboModuleRegistry.get()。
-
空检查:在 JavaScript 端始终检查模块是否成功加载。
替代方案:C# 实现
虽然本文重点介绍 C++ 实现,但 React Native Windows 也支持使用 C# 开发原生模块。C# 实现通常更简单,语法更友好,适合不熟悉 C++ 的开发者。但 C++ 实现通常性能更好,特别是在需要频繁与底层 API 交互的场景中。
通过遵循上述指南,开发者可以成功在 React Native Windows 应用中实现 BLE 通信功能,并避免常见的模块注册和调用问题。
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- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
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
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue08- 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
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
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
575
3.89 K
Ascend Extension for PyTorch
Python
396
474
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
359
219
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++
902
704
🎉 (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
1.39 K
786
昇腾LLM分布式训练框架
Python
122
148
React Native鸿蒙化仓库
JavaScript
312
364
暂无简介
Dart
814
200
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
124
161
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
93
161