about_Character_Encoding

  • Artigo

Breve descrição

Descreve como o PowerShell usa a codificação de caracteres para entrada e saída de dados de cadeia de caracteres.

Descrição longa

Unicode é um padrão mundial de codificação de caracteres. O sistema usa Unicode exclusivamente para manipulação de caracteres e strings. Para obter uma descrição detalhada de todos os aspetos do Unicode, consulte The Unicode Standard.

O Windows suporta Unicode e conjuntos de caracteres tradicionais. Os conjuntos de caracteres tradicionais, como páginas de código do Windows, usam valores de 8 bits ou combinações de valores de 8 bits para representar os caracteres usados em um idioma específico ou configurações de região geográfica.

O PowerShell usa um conjunto de caracteres Unicode por padrão. No entanto, vários cmdlets têm um parâmetro Encoding que pode especificar a codificação para um conjunto de caracteres diferente. Este parâmetro permite que você escolha a codificação de caracteres específica que você precisa para interoperabilidade com outros sistemas e aplicativos.

Os cmdlets a seguir têm o parâmetro Encoding :

  • Microsoft.PowerShell.Management
    • Add-Content
    • Get-Content
    • Set-Content
  • Microsoft.PowerShell.Utility
    • Export-Clixml
    • Export-Csv
    • Export-PSSession
    • Format-Hex
    • Import-Csv
    • Out-File
    • Select-String
    • Send-MailMessage

A marca de ordem de bytes

A marca de ordem de bytes (BOM) é uma assinatura Unicode nos primeiros bytes de um arquivo ou fluxo de texto que indica qual codificação Unicode usada para os dados. Para obter mais informações, consulte a documentação da marca de ordem de bytes.

No Windows PowerShell, qualquer codificação Unicode, exceto UTF7, sempre cria uma lista técnica. O PowerShell (v6 e superior) assume como utf8NoBOM padrão todas as saídas de texto.

Para melhor compatibilidade geral, evite usar listas técnicas em arquivos UTF-8. Plataformas Unix e utilitários de herança Unix também usados em plataformas Windows não suportam listas técnicas.

Da mesma forma, UTF7 a codificação deve ser evitada. UTF-7 não é uma codificação Unicode padrão e é escrito sem uma lista técnica em todas as versões do PowerShell.

A criação de scripts do PowerShell em uma plataforma semelhante ao Unix ou o uso de um editor multiplataforma no Windows, como o Visual Studio Code, resulta em um arquivo codificado usando UTF8NoBOMo . Esses arquivos funcionam bem no PowerShell, mas podem quebrar no Windows PowerShell se o arquivo contiver caracteres não-ASCII.

Se você precisar usar caracteres não-Ascii em seus scripts, salve-os como UTF-8 com BOM. Sem a BOM, o Windows PowerShell interpreta incorretamente seu script como sendo codificado na página de código "ANSI" herdada. Por outro lado, os arquivos que têm a lista técnica UTF-8 podem ser problemáticos em plataformas Unix-like. Muitas ferramentas Unix como cat, sed, awk, e alguns editores como gedit não sabem como tratar a BOM.

Codificação de caracteres no Windows PowerShell

No PowerShell 5.1, o parâmetro Encoding suporta os seguintes valores:

  • Ascii Usa o conjunto de caracteres Ascii (7 bits).
  • BigEndianUnicode Usa UTF-16 com a ordem de bytes big-endian.
  • BigEndianUTF32 Usa UTF-32 com a ordem de bytes big-endian.
  • Byte Codifica um conjunto de caracteres em uma sequência de bytes.
  • Default Usa a codificação que corresponde à página de código ativa do sistema (geralmente ANSI).
  • Oem Usa a codificação que corresponde à página de código OEM atual do sistema.
  • String O mesmo que Unicode.
  • Unicode Usa UTF-16 com a ordem de bytes little-endian.
  • Unknown O mesmo que Unicode.
  • UTF32 Usa UTF-32 com a ordem de bytes little-endian.
  • UTF7 Usa UTF-7.
  • UTF8 Usa UTF-8 (com BOM).

Em geral, o Windows PowerShell usa a codificação Unicode UTF-16LE por padrão. No entanto, a codificação padrão usada pelos cmdlets no Windows PowerShell não é consistente.

Nota

Usando qualquer codificação Unicode, exceto UTF7, sempre cria uma lista técnica.

Para cmdlets que gravam saída em arquivos:

  • Out-File e os operadores > de redirecionamento e >> criar UTF-16LE, que notavelmente difere de Set-Content e Add-Content.

  • New-ModuleManifest e Export-CliXml também criar arquivos UTF-16LE.

  • Quando o arquivo de destino estiver vazio ou não existir, Set-Content use Add-ContentDefault a codificação. Default é a codificação especificada pela página de código ANSI herdada da localidade ativa do sistema.

  • Export-Csv cria Ascii arquivos, mas usa codificação diferente ao usar o parâmetro Append (veja abaixo).

  • Export-PSSession cria arquivos UTF-8 com BOM por padrão.

  • New-Item -Type File -Value cria um arquivo UTF-8 sem BOM.

  • Send-MailMessage usa Ascii codificação por padrão.

  • Start-Transcript cria Utf8 arquivos com uma lista técnica. Quando o parâmetro Append é usado, a codificação pode ser diferente (veja abaixo).

Para comandos que acrescentam a um arquivo existente:

  • Out-File -Append e o operador de >> redirecionamento não faz nenhuma tentativa de corresponder à codificação do conteúdo do arquivo de destino existente. Em vez disso, eles usam a codificação padrão, a menos que o parâmetro Encoding seja usado. Você deve usar a codificação original dos arquivos ao anexar conteúdo.

  • Na ausência de um parâmetro de codificação explícito, Add-Content deteta a codificação existente e aplica-a automaticamente ao novo conteúdo. Se o conteúdo existente não tiver BOM, Default a codificação ANSI será usada. O comportamento do Add-Content é o mesmo no PowerShell (v6 e superior), exceto que a codificação padrão é Utf8.

  • Export-Csv -Append corresponde à codificação existente quando o arquivo de destino contém uma lista técnica. Na ausência de uma lista técnica, ele usa Utf8 codificação.

  • Start-Transcript -Append corresponde à codificação existente de arquivos que incluem uma lista técnica. Na ausência de uma lista técnica, o padrão é Ascii a codificação. Essa codificação pode resultar em perda de dados ou corrupção de caracteres quando os dados na transcrição contêm caracteres multibyte.

Para cmdlets que leem dados de cadeia de caracteres na ausência de uma lista técnica:

  • Get-Content e Import-PowerShellDataFile usa a Default codificação ANSI. ANSI também é o que o mecanismo PowerShell usa quando lê o código-fonte dos arquivos.

  • Import-Csv, Import-CliXmle Select-String assumir Utf8 na ausência de uma lista técnica.

Codificação de caracteres no PowerShell

No PowerShell (v7.1 e superior), o parâmetro Encoding suporta os seguintes valores:

  • ascii: Usa a codificação para o conjunto de caracteres ASCII (7 bits).
  • ansi: Usa a codificação para a página de código ANSI da cultura atual. Essa opção foi adicionada no PowerShell 7.4.
  • bigendianunicode: Codifica no formato UTF-16 usando a ordem de bytes big-endian.
  • bigendianutf32: Codifica no formato UTF-32 usando a ordem de bytes big-endian.
  • oem: Usa a codificação padrão para MS-DOS e programas de console.
  • unicode: Codifica no formato UTF-16 usando a ordem de bytes little-endian.
  • utf7: Codifica em formato UTF-7.
  • utf8: Codifica no formato UTF-8 (sem BOM).
  • utf8BOM: Codifica no formato UTF-8 com marca de ordem de bytes (BOM)
  • utf8NoBOM: Codifica no formato UTF-8 sem marca de ordem de bytes (BOM)
  • utf32: Codifica no formato UTF-32 usando a ordem de bytes little-endian.

O padrão do PowerShell é para utf8NoBOM todas as saídas.

A partir do PowerShell 6.2, o parâmetro Encoding também permite IDs numéricas de páginas de código registradas (como -Encoding 1251) ou nomes de cadeia de caracteres de páginas de código registradas (como -Encoding "windows-1251"). Para obter mais informações, consulte a documentação do .NET para Encoding.CodePage.

A partir do PowerShell 7.4, você pode usar o Ansi valor do parâmetro Encoding para passar a ID numérica da página de código ANSI da cultura atual sem precisar especificá-la manualmente.

Alterando a codificação padrão

O PowerShell tem duas variáveis padrão que podem ser usadas para alterar o comportamento de codificação padrão.

  • $PSDefaultParameterValues
  • $OutputEncoding

Para obter mais informações, consulte about_Preference_Variables.

A partir do PowerShell 5.1, os operadores de redirecionamento (> e >>) chamam o Out-File cmdlet. Portanto, você pode definir a codificação padrão deles usando a $PSDefaultParameterValues variável de preferência, conforme mostrado neste exemplo:

$PSDefaultParameterValues['Out-File:Encoding'] = 'utf8'

Use a instrução a seguir para alterar a codificação padrão para todos os cmdlets que têm o parâmetro Encoding .

$PSDefaultParameterValues['*:Encoding'] = 'utf8'

Importante

Colocar esse comando em seu perfil do PowerShell torna a preferência uma configuração global de sessão que afeta todos os comandos e scripts que não especificam explicitamente uma codificação.

Da mesma forma, você deve incluir esses comandos em seus scripts ou módulos que você deseja se comportar da mesma maneira. O uso desses comandos garante que os cmdlets se comportem da mesma maneira mesmo quando executados por outro usuário, em um computador diferente ou em uma versão diferente do PowerShell.

A variável $OutputEncoding automática afeta a codificação que o PowerShell usa para se comunicar com programas externos. Ele não tem efeito sobre a codificação que os operadores de redirecionamento de saída e cmdlets do PowerShell usam para salvar em arquivos.

Consulte também