概要
这个PEP建议引入一个语法来声明Python源文件的编码。 Python解析器将使用这个编码信息中给定的编码来解释文件。 最引人注意的是,这增强了源代码中Unicode字符的解释。
问题描述
在Python 2.1中,Unicode字符只能使用基于Latin-1的“unicode-escape”编码编写。 这对生活和工作在非Latin-1语言环境(如许多亚洲国家)的Python用户来说是不友好的。 程序员可以使用最喜欢的编码来编写他们的8位字符串,但是他们被绑定到非得使用“unicode-escape”来编码Unicode字符。
解决方案
我建议在python源代码文件顶部的使用特殊注释来声明编码,使Python源代码的编码在每个源文件的基础上可见和可变。
为了使Python解释器意识到这个编码声明,在处理Python源代码数据方面需要进行一些概念更改。
定义编码
如果没有给出其他编码提示,Python将默认将ASCII作为标准编码。
要定义源代码编码,必须将编码声明放在源文件中,或者作为文件中的第一行或第二行,例如:
# coding=<encoding name>
或(使用各种流行的编辑器都认可的格式):
#!/usr/bin/python
# -*- coding: <encoding name> -*-
or:
#!/usr/bin/python
# vim: set fileencoding=<encoding name> :
更准确地说,第一行或第二行必须与以下正则表达式相匹配:
^[ \t\v]*#.*?coding[:=][ \t]*([-_.a-zA-Z0-9]+)
此表达式的第一组然后解释为编码名称。 如果编码对于Python是未知的,编译过程中会出现错误。 在包含编码声明的行上不能有任何Python语句。 如果第一行匹配第二行被忽略。
为了帮助那些将Unicode BOM标记添加到Unicode文件的开头的操作系统,比如Windows的平台,,UTF-8签名\ xef \ xbb \ xbf也将被解释为’utf-8’编码(即使没有编码声明中 给出)。
如果源文件使用UTF-8 BOM标记签名和编码声明,则该文件的唯一允许的编码为“utf-8”。 任何其他编码都会导致错误。