python?snap7讀寫PLC的操作方法
主要在DB塊里操作
讀DB塊
import snap7 import struct def plc_connection(): PLC_IP = '192.168.10.10' PLC = snap7.client.Client() PLC.connect(PLC_IP, rack=0, slot=1) return PLC PLC = plc_connection()
PLC.read_area()方法從PLC中讀取指定區(qū)域的數(shù)據(jù)。
1200表示DB塊的編號,90表示DB塊內(nèi)的偏移地址,4表示要讀取的字節(jié)數(shù)。
data2=PLC.db_read(db_number=1200, start=90, size=4) print(data2)
data2是個bytearray(b'\x00\x00\x00\x05'),struct.unpack()方法將讀取到的4個字節(jié)數(shù)據(jù)按照大端字節(jié)序("!"表示大端字節(jié)序)解包為一個整數(shù)。解包的結(jié)果以元組的形式返回
data3 = struct.unpack('!i', data2) print(data3) #data3 = 5
'!i'
和'!h'
都是Python中struct庫中的格式化字符串,用于指定要解析的二進制數(shù)據(jù)的格式和字節(jié)順序。
其中:
'!'
表示使用網(wǎng)絡(luò)字節(jié)順序(big-endian)。'i'
表示要解析的數(shù)據(jù)類型是4字節(jié)的整數(shù),也就是int類型。'h'
表示要解析的數(shù)據(jù)類型是2字節(jié)的有符號整數(shù),也就是short類型。
因此,'!i'
用于解析4字節(jié)的大端整數(shù),'!h'
用于解析2字節(jié)的大端有符號整數(shù)。
當解析不同類型的數(shù)據(jù)時,需要使用相應的格式化字符串。在這里,根據(jù)PLC中數(shù)據(jù)類型的不同,可以選擇不同的格式化字符串來解析數(shù)據(jù)。通常需要根據(jù)PLC的數(shù)據(jù)類型和大小來選擇正確的格式化字符串,否則解析出來的數(shù)據(jù)將會是錯誤的。
寫DB塊
已經(jīng)知道這個要寫入的DB塊是DINT類型的。要把數(shù)字1寫進去
a=struct.pack('!i', 1)
a= b'\x00\x00\x00\x01'
PLC.db_write(1200, 90, a)
在這個例子中,1200
表示要寫入的DB塊的編號,90
表示從該塊的偏移地址90處開始寫入數(shù)據(jù),b'\x00\x00\x00\x01'表示要寫入的四個字節(jié)的數(shù)據(jù)。
到此這篇關(guān)于python snap7讀寫PLC的文章就介紹到這了,更多相關(guān)python snap7讀寫PLC內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Python實現(xiàn)爬蟲IP負載均衡和高可用集群的示例代碼
做大型爬蟲項目經(jīng)常遇到請求頻率過高的問題,這里需要說的是使用爬蟲IP可以提高抓取效率,本文主要介紹了Python實現(xiàn)爬蟲IP負載均衡和高可用集群的示例代碼,感興趣的可以了解一下2023-12-12淺談PyTorch的可重復性問題(如何使實驗結(jié)果可復現(xiàn))
今天小編就為大家分享一篇淺談PyTorch的可重復性問題(如何使實驗結(jié)果可復現(xiàn)),具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-02-02使用Python進行網(wǎng)絡(luò)數(shù)據(jù)可視化的多種方法與技巧
可視化是理解和解釋大量數(shù)據(jù)的強大工具之一,而Python作為一種流行的編程語言,提供了豐富的庫和工具來進行網(wǎng)絡(luò)數(shù)據(jù)可視化,本文將介紹一些使用Python進行網(wǎng)絡(luò)數(shù)據(jù)可視化的方法與技巧,并提供相應的代碼實例,需要的朋友可以參考下2024-05-05Django實現(xiàn)whoosh搜索引擎使用jieba分詞
這篇文章主要介紹了Django實現(xiàn)whoosh搜索引擎使用jieba分詞,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2020-04-04深度學習TextLSTM的tensorflow1.14實現(xiàn)示例
這篇文章主要為大家介紹了深度學習TextLSTM的tensorflow1.14實現(xiàn)示例,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2023-01-01