python为源文件指定系统默认字符编码的声明_PEP 263 -- Defining Python Source Code Encodings(定义Python源代码编码)...

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=

或(使用各种流行的编辑器都认可的格式)：

#!/usr/bin/python#-*- coding: -*-

或者

#!/usr/bin/python#vim: set fileencoding= :

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\f]*#.*?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。

示例

1.设置其他非utf-8字符

#！/usr/bin/python#-*- coding: iso-8859-15 -*-

print('阿甘')

结果：

2.设置utf-8字符

#!/usr/local/bin/python#coding:utf-8

print('阿甘')

结果：

3.设置没有的字符

#!/usr/local/bin/python#coding:utf-88

print('阿甘')

结果：

概念

PEP基于以下概念，必须实现这些概念才能使用这种注释:

1.完整的Python源代码文件应该使用单一编码。不允许嵌入不同编码的数据，在编译Python源代码时将导致解码错误。

任何允许以上述方式处理前两行的编码都可以作为源代码编码，这包括ASCII兼容编码以及某些多字节编码，比如Shift_JIS,unicode。它不包括对所有字符(如UTF-16)使用两个或多个字节的编码。这样做的原因是为了使标记器中的编码检测算法保持简单 。

2.转义序列的处理应该像现在一样继续工作，但是对于所有可能的源代码编码，即标准字符串字面量(8位和Unicode)都可以进行转义序列扩展，而原始字符串字面量只扩展了转义序列的一个非常小的子集。

3.python的编译器将进行如下的转换工作:

A.读取文件

B.将其解码为Unicode，假设每个文件有固定的编码

C.将其转换为UTF-8字节字符串

D.处理UTF-8的内容

E.编译它，从给定的Unicode数据中创建Unicode对象，并通过使用给定的文件编码将UTF-8数据重新编码为8位字符串数据，从Unicode文字数据创建字符串对象

请注意，Python标识符仅限于编码的ASCII子集，因此不需要在步骤之后进行进一步的转换

看看完后，又可以补编码的知识了！😓

个人学习笔记，翻译有限，理解翻译之错，请指教！