UTF-8-KodierungPermanentlink

Grundlagen

Anwendungen in CODESYS können eine Vielzahl von Zeichen verarbeiten, zum Beispiel um eine Fehlermeldung in verschiedenen Sprachen auszugeben. Oder um Visualisierungen in einer vom Benutzer gewählten Sprache anzuzeigen, die Benutzereingaben in einer Vielzahl von Sprachen, Zeichen oder Symbolen akzeptiert. Ist ein umfassender Zeichensatz nicht erforderlich oder soll ein Projekt nicht verändert werden, können auch Zeichenketten verwendet werden, die im Latin-1-Format kodiert sind.

Tab. 534: Zeichensatztabellen

Zeichensatz

Code Seitenzahl

Beschreibung

Zeichencodierung

ASCII

20127

  • 128 Zeichen

  • Geeignet für englische Texte

7-Bit kodiertes Zeichen

DOS-Latein-1

819, 850

  • Entspricht der ISO 8859

  • Geeignet für westeuropäische Sprachen im Windows-Befehlszeilenfenster.

8-Bit kodiertes Zeichen

Latein-1

28591

  • Entspricht ISO-8859-1

  • Oft verwendet für HTML-Seiten mit äöüß, aber ohne € oder zum Beispiel ohne französische Sonderzeichen.

8-Bit kodiertes Zeichen

Windows 1252 Kodierung

1252

  • Standard-Windows-Zeichensatz für westeuropäische Länder

  • Windows verwendet intern das Format UTF-16

  • Enthält alle Zeichen aus ISO 8859-1 und ISO 8859-15, aber teilweise mit anderer Kodierung

8-Bit kodiertes Zeichen

Unicode

 

  • Universeller Zeichensatz für alle möglichen Sprachen, einschließlich historischer Sprachen, Blindenschrift, Musik oder Emojis.

  • Es können mehr als 100.000 Zeichen angezeigt werden.

  • Jedes Zeichen hat einen numerischen Code.

  • Im Gegensatz zu ASCII wird zwischen der Zuordnung von Codepunkten zu Zeichen und der Kodierung der Zeichen unterschieden.

  • Numerische Codes < 128 sind ASCII-kompatibel

  • Numerische Codes < 256 sind mit ISO 8859-1 kompatibel.

‎⮫ Für weitere Informationen siehe unicode.org

 

Unicode 14.0

 

144.697 Zeichen

 

UTF-16

1200

  • Besonderer Unicode

  • Wird in einigen Betriebssystemen (Windows, OS X) und Programmiersprachen (Java, .NET) für die interne Zeichendarstellung verwendet.

  • Es ist zu beachten, dass verschiedene Computerarchitekturen die 4-Byte-Zeichen unterschiedlich kodieren.

    Little-Endian-Byte-Reihenfolge für UTF-16LE

16-Bit kodierte Zeichen

Die Zeichen werden entweder in 2 Bytes oder 4 Bytes kodiert.

UTF-8

65001

  • Byte-orientiertes Kodierungsformat für Unicode-Zeichen.

  • Am weitesten verbreitet

  • Wird in GNU/Linux- und Unix-Betriebssystemen sowie in verschiedenen Internetdiensten (E-Mail, Web, Browser) verwendet.

  • Kompatibel mit ASCII-Zeichen in den ersten 128 Zeichen (0-127).

Tupel von 8-Bit-Wörtern pro Zeichen

Die Zeichen werden in unterschiedlichen Längen von 1 bis 4 Byte kodiert.

UTF-8 in CODESYS

Die UTF-8-Kodierung ist die Kodierung mit dem umfangreichsten Zeichensatz. Daher wird empfohlen, die UTF-8-Kodierung sowohl für neue Projekte als auch für bestehende Projekte, die in einem neuen Kontext verwendet werden sollen, zu aktivieren.

Tab. 535: Projektweite Kodierung in CODESYS

Datentyp

Option Kompilieren: UTF8-Kodierung für STRING

Welche Kodierung wird projektweit verwendet?

STRING

Enabled

UTF-8

Ausgeschaltet

Windows 1252-Kodierung (Standard-Windows-Kodierung)

Latein-1

WSTRING

Enabled

UTF-16

Ausgeschaltet

UTF-16

In CODESYS kann der Datentyp „STRING“ in den Formaten Latin-1 oder UTF-8 kodiert werden. Der Datentyp „WSTRING“ kodiert seine Zeichen immer als Unicode in UTF-16.

Kodierung eines einzelnen String-Literal im UTF-8-Format

Auch wenn das projektweite Kodierungsformat auf Latin-1 eingestellt ist, können Sie ein einzelnes Literal im UTF-8-Format kodieren. Fügen Sie dazu dem Literal das Typ-Präfix „UTF8#“ hinzu.

{attribute 'monitoring_encoding' := 'UTF-8'}
strVarUtf8: STRING := UTF8#'你好,世界!ÜüÄäÖö';

Für weitere Informationen siehe:

Konstant: UTF8# Zeichenkette; ⮫ „Konstant: UTF8# Zeichenkette “

Pragma-Attribut: ⮫ monitoring_encoding

String-Konvertierung für UTF-8-Kodierung

Wenn Sie die UTF-8-Kodierung projektweit aktiviert haben, können Sie die Stringkonvertierungsfunktionen wie gewohnt verwenden.

String-Manipulation

Verwenden Sie Bibliotheksfunktionen, um Ihre Zeichenketten zu manipulieren.

Wenn „STRING“ Variablen manipuliert werden sollen, dann führt ein Indexzugriff auf eine Variable im ASCII-Format oft zum gewünschten Ergebnis. Es ist besser, dieses Konstrukt nicht zu verwenden. Es handelt sich nicht nur um einen schlechten Programmierstil. Erschwerend kommt hinzu, dass bei der UTF-8-Kodierung der Indexzugriff zu unerwünschten Zeichenfolgenmanipulationen führt.

UTF-8-Kodierung nur bei projektweiter Konfiguration

Eine UTF-8-Kodierung wird verwendet, wenn die projektweite Kompilieroption UTF8-Kodierung für STRING aktiviert ist. Bibliotheksfunktionen und Add-ons orientieren sich dann ebenfalls an dieser Einstellung.

Wenn Sie einzelne UTF-8-kodierte Zeichenketten verwenden, müssen Sie sicherstellen, dass sie überall, wo sie verwendet werden, korrekt interpretiert werden. So wird z. B. eine String-Variable im OPC-Server in UTF-8 konvertiert, bevor sie an einen Client übertragen wird, wenn die Einstellung nicht aktiviert ist. Werte wie „UTF8#'äöü'“ würden dann falsch interpretiert werden. Ähnliche Probleme können bei der Ausgabe von Zeichenketten in der Visualisierung auftreten.