python源文件编码的含义_【原创】Python 源文件编码解读

以下内容源于对 PEP-0263 的翻译和解读，同时给出了一些网上网友的说法。

========  我是分割线 ========

PEP 0263 -- Defining Python Source Code Encodings

【摘要】

给出声明 Python 源文件编码的语法。该编码信息后续会被 Python 解析器用于解析源文件。

这种方式增强了对源文件中 Unicode 编码字的处理。

【问题】

Python 2.1 时代，Unicode 字符只能利用 Latin-1 字符进行“Unicode 转义”的方式来表示(也就是说当时只支持 Latin-1 字符编码，所以 Unicode 字符编码只能使用 Latin-1 字符来进行转义表示)。这对广大亚洲人民是很坑爹的。

【解决方案】

通过在 Python 脚本文件的头部增加 显式的、可按文件随时改变的 特殊注释，来声明编码方式。

【编码定义】

Python 默认使用 ASCII 编码。

若要自定义 Python 源码的编码方式，需要在脚本文件的第一或者第二行的位置上添加如下定义：

1.

# coding=

2.

#!/usr/bin/python

# -*- coding: -*-

3.

#!/usr/bin/python

# vim: set fileencoding= :

在前两种方式中，实际上是通过 coding[:=]\s*([-\w.]+) 这个正则表达式来进行匹配。

为了支持 Windows 平台上的应用，会在生成的 Unicode 文件的头部添加 Unicode BOM 标识，其中带有 UTF-8 标识 '\xef\xbb\xbf' 的文件会被当做具有 UTF-8 编码的文件(此时在 Python 脚本的头部没有那行编码特殊注释也没问题) 。

如果出现源文件同时使用了 UTF-8 BOM 标识和文件头部的特殊注释的情况，那么在表明编码的特殊注释中只能使用 'utf-8' 这个字串，其他情况会报错。

【举例】

1. Python 解析器说明 + Emacs 风格的文件编码注释

#!/usr/bin/python

# -*- coding: latin-1 -*-

import os, sys

...

#!/usr/bin/python

# -*- coding: iso-8859-15 -*-

import os, sys

...

#!/usr/bin/python

# -*- coding: ascii -*-

import os, sys

...

2. 无 Python 解析器说明 + 普通明文描述

# This Python file uses the following encoding: utf-8

import os, sys

...

3. Python 解析器说明 + 非 Emacs 风格的文件编码注释

#!/usr/local/bin/python

# coding: latin-1

import os, sys

...

4. 无编码注释(Python 解析器默认为 ASCII)

#!/usr/local/bin/python

import os, sys

...

5. 错误的编码注释方式

a. 无 coding: 前缀

#!/usr/local/bin/python

# latin-1

import os, sys

...

b. 编码注释不在第一或第二行

#!/usr/local/bin/python

#

# -*- coding: latin-1 -*-

import os, sys

...

c. 使用不支持的编码

#!/usr/local/bin/python

# -*- coding: utf-42 -*-

import os, sys

...

=========== 我是分割线 ============

小实验截图：

输出中文。

报错。

添加编码。

正常输出。

IDE默认的编码设置。

各种转码输出。

输出的结果。

补充说明：

cp936即 code page 936(代码页936)是以GBK(国标扩展字符集)为基础的编码。GB2312(国标字符集)只是GBK的一部分。

GB2312只支持常用的汉字，而且是简体字。GBK支持繁体字和生僻字。