如何通过Python开发的Django web应用连接Bluetooth设备及实现方案

该需求完全可实现。你已经完成了Python层面连接蓝牙设备、读取测温数据的核心逻辑，仅需要将这部分能力和Django的服务调度、数据存储能力做适配即可，核心要处理的是蓝牙操作的IO异步特性和Web服务的请求响应逻辑的兼容问题。

前置准备 #

• 原有可正常运行的蓝牙设备连接、数据读取Python代码（通常用bleak、pybluez这类蓝牙库，优先选bleak，跨平台兼容性更好且原生支持异步）
• 可用的Django项目基础环境，按需额外安装依赖：celery（定时批量采集用）、channels（实时向前端推送采集数据用）

核心实现方案 #

根据你的使用场景可以选以下两种实现方式：

方案1：用户触发式单次采集（适合少量设备、按需拉取数据的场景） #

直接把蓝牙读取逻辑封装成独立工具函数，放到Django视图中调用即可，实现成本最低：

1. 新建蓝牙工具文件封装读取逻辑，比如在对应Django app下创建bluetooth_utils.py：

# your_app/bluetooth_utils.py
from bleak import BleakClient

# 替换为你自己的测温蓝牙设备的特征值UUID、MAC地址等配置
TEMP_CHAR_UUID = "0000ffb2-0000-1000-8000-00805f9b34fb"

async def get_body_temperature(device_mac: str) -> float | None:
    try:
        async with BleakClient(device_mac) as client:
            raw_data = await client.read_gatt_char(TEMP_CHAR_UUID)
            # 替换为你原有代码里的原始数据转体温值的处理逻辑
            temperature = int.from_bytes(raw_data, byteorder="little") / 100
            return temperature
    except Exception as e:
        print(f"读取设备{device_mac}失败: {str(e)}")
        return None

2. 编写Django视图调用采集逻辑，Django 3.1+版本支持异步视图，也可以用同步视图嵌套异步调用：

# your_app/views.py
from django.http import JsonResponse
from django.views.decorators.http import require_http_methods
from datetime import datetime
import asyncio
from .bluetooth_utils import get_body_temperature
from .models import TemperatureRecord

@require_http_methods(["GET"])
def collect_temp(request):
    device_mac = request.GET.get("device_mac")
    if not device_mac:
        return JsonResponse({"code": 400, "msg": "缺少设备MAC参数"}, status=400)
    temp = asyncio.run(get_body_temperature(device_mac))
    if temp:
        # 采集成功后直接存入Django数据库
        TemperatureRecord.objects.create(
            device_mac=device_mac,
            temp_value=temp,
            collect_time=datetime.now()
        )
        return JsonResponse({"code": 200, "data": {"temperature": temp}, "msg": "采集成功"})
    return JsonResponse({"code": 500, "msg": "设备连接失败或数据读取异常"}, status=500)

3. 配置对应路由暴露接口，前端调用接口即可触发单次采集、拿到测温数据。

方案2：后台定时批量采集（适合多设备、需要7*24小时不间断采集的场景） #

如果需要长期运行采集任务，不要把逻辑耦合到视图层，用Celery异步任务框架做定时调度即可：

1. 完成Django+Celery基础环境配置后，把采集逻辑封装为Celery任务：

# your_app/tasks.py
from celery import shared_task
import asyncio
from .bluetooth_utils import get_body_temperature
from .models import Device, TemperatureRecord

@shared_task
def batch_collect_temp():
    # 从Django数据库中拉取所有已激活的蓝牙设备MAC列表
    active_devices = Device.objects.filter(is_active=True).values_list("mac", flat=True)
    for mac in active_devices:
        temp = asyncio.run(get_body_temperature(mac))
        if temp:
            TemperatureRecord.objects.create(device_mac=mac, temp_value=temp)

2. 配置Celery Beat定时规则，比如设置每5分钟执行一次全量设备采集，数据会自动存入Django数据库，前端查询时直接读库返回历史记录即可。

注意事项 #

• 运行Django服务的主机必须带蓝牙模块，且和测温设备处于蓝牙信号覆盖范围内；如果服务器无蓝牙模块，可以单独用边缘设备跑采集逻辑，将数据通过API上报到Django服务即可。
• 蓝牙连接属于IO密集型操作，高并发场景下不要用同步视图直接调用采集逻辑，容易阻塞服务，建议用Celery异步处理或者Django Channels做长连接异步处理。
• 提前在运行服务的主机上完成蓝牙设备配对，给服务进程开启蓝牙操作权限，避免权限不足导致连接失败。

内容的提问来源于stack exchange，提问作者MarkPT