登录注册

当前位置：首页 > 文章列表 > Golang > Go问答 > 确定条码扫描仪（模拟 USB 键盘输入）的数据源

确定条码扫描仪（模拟 USB 键盘输入）的数据源

来源：stackoverflow 2024-03-20 16:18:32 0浏览 收藏

在构建一个 Go 应用程序时，开发人员遇到了检测两个 USB 条码扫描仪输入数据源的问题。该应用程序在终端中运行，条码文本模拟为 USB 键盘输入。为了解决此问题，文章建议通过自定义附加在扫描仪正反面的前缀/后缀代码来识别条形码数据输入。通过逐一检查应用程序通知的关键码，并根据前缀/后缀码判断条形码数据是否来自特定扫描仪，可以确定输入数据的来源。

问题内容

我正在构建一个在终端中运行的 Go 应用程序，以收集来自两个 USB 条形码扫描仪的输入。如何检测文本（模拟为 USB 键盘输入）来自哪个条形码扫描仪？

例如条码：4009900522250，来自扫描仪 1 或 条码：4009900522399，来自扫描仪 2

我正在 Mac OS 上开发此程序，但代码将在适用于 Raspberry Pi 的 Raspbian 上运行。


解决方案


许多键盘输入条形码扫描仪都能够自定义附加在正面和背面的前缀/后缀代码，以识别条形码数据输入。

可以通过读取设置条形码来自定义它们。

为每个条码扫描器设置不同的前后缀码，逐一检查应用程序通知的关键码，如果有这样的特殊数据，则根据前后缀码判断是否为条码来自扫描仪的数据。

理论要掌握，实操不能落！以上关于《确定条码扫描仪（模拟 USB 键盘输入）的数据源》的详细介绍，大家都掌握了吧！如果想要继续提升自己的能力，那么就来关注golang学习网公众号吧！

版本声明
本文转载于：stackoverflow 如有侵犯，请联系study_golang@163.com删除
优化 Go 中高精度计算的性能优化 Go 中高精度计算的性能
上一篇
优化 Go 中高精度计算的性能
发布苹果visionOS 1.1第三版测试版，新增多项功能和优化
下一篇
发布苹果visionOS 1.1第三版测试版，新增多项功能和优化
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案，代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景，打造一站式知识长龙服务，适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例，全面具体可落地，从理论到实践，一步一步将GO核心编程技术、编程思想、底层实现融会贯通，使学习者贴近时代脉搏，做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信：Le-studyg；在课程中，我们将首先介绍MySQL8的新特性，包括性能优化、安全增强、新数据类型等，帮助学生快速熟悉MySQL8的最新功能。接着，我们将深入解析MySQL的网络通信机制，包括协议、连接管理、数据传输等，让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网，分为导航，轮播，关于我们，成功案例，服务流程，团队介绍，数据部分，公司动态，底部信息等内容区块。网站整体采用CSSGrid布局，支持响应式，有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解：生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集，涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用，助力提升NLP模型性能。
    292次使用
  • H2O EvalGPT：开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台，提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能，助您快速选择最适合项目的高性能大语言模型。
    344次使用
  • LMArena是什么？伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制，用户可对比不同大模型回答并生成实时排行榜，助力开发者优化模型及用户选择最佳AI工具。
    348次使用
  • 斯坦福HELM：大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM（Holistic Evaluation of Language Models）大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景，涵盖准确性、公平性、鲁棒性等多维度指标，助力开发者全面优化语言模型性能。
    311次使用
  • MMBench详解：多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台，提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景，助力开发者全面评估多模态模型性能。
    133次使用
查看更多
相关文章