理清 python 编码相关问题(转载)

这两天在纠结一份代码, 彻底解决后把之前遇到的相关问题整理一份出来，一来自己理清思路，一来在网上有什么错误也会被提前发现。

1.　　源代码级别

REF: PEP 0263 -- Defining Python Source Code Encodings
　Python will default to ASCII as standard encoding if no other
    encoding hints are given.

    To define a source code encoding, a magic comment must
    be placed into the source files either as first or second
    line in the file

         源代码级别是指在.py文件中，采用了何种类型的编码作为源代码。

　　  默认与操作系统一样，都是采用了最简单的ASCII编码。当使用了中文注释后，就会提示如下问题

SyntaxError: Non-ASCII character '\xe5' in file test.py on line 5, but no encoding declared; see http://www.python.org/peps/pep-0263.html for details

    这时，就需要设置文件的编码语言，最好看的写法是：

     # -*- coding : utf-8 -*-

     我觉得看到这行代码的时候，会有些看向美女的感觉。

     咱们码农还是这样吧。。 #coding: utf-8（加在文件的第一行）

     这样，在源代码级别使用中文就没有问题了。我们可以轻松通过解释器这一关

 

2.　　代码保存级别

      在linux下呆久了，会有个缺点，很少关注无关的东西，写个代码utf-8就完事了。

      用ultra的时候突然发现原来UTF-8 还有炸弹的，很可能天上掉下个大炸弹，代码就失效了:)

    引用一段很不错的介绍：http://www.cnblogs.com/DDark/archive/2011/11/28/2266085.html 关于bom对文件影响

     总体来说就是windows下，bom会在最开端插入标明自身的签名。

     因此如果想在linux下使用这份脚本，保存为通用的utf-8 无炸弹吧！

 

3.　　代码执行级别

        info = "启动中..."  或 info = u"启动中..."

       这里只要牢记--在编译时会把 字符串 转换成 unicode对象 就可以了

        即已经不再是按照源代码的格式来保存字符串了。

       而不包含u的，则是按照原始格式存储。而这里的原始格式，恰好就是之前第一部分说到的源代码级别编码格式。

 

       再后续执行时，就涉及到了运行环境的编码，

       可以使用 sys.getdefaultencoding() 查看当前运行环境的编码

       使用reload(sys)
　　　　 sys.setdefaultencoding('utf-8') 重新设定运行环境编码

       而处理编码文本就是一个套路了，先根据源格式decode，再encode成自己想要的格式