【原创】Python 源文件编码解读

如下内容源于对 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 ========

原文地址：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。
      这种方式加强了对源文件中 Unicode 编码字的处理。

【问题】

      Python 2.1 时代，Unicode 字符只能采用基于 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，因此 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】

      经过在 Python 脚本文件的头部增长 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，须要在脚本文件的第一或者第二行的位置上添加以下定义：
1. 方式一（第一行）

# coding=<encoding name>

2. 方式二（第二行）

#!/usr/bin/python
# -*- coding: <encoding name> -*-

3. 方式三（第二行）

#!/usr/bin/python
# vim: set fileencoding=<encoding name> :

在前两种方式中，其实是经过 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' 的文件会被当作具备 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） 。

      若是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状况，那么在代表编码的特殊注释中只能使用 'utf-8' 这个字串，其余状况会报错。

【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。

各类转码输出。

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只支持经常使用的汉字，并且是简体字。GBK支持繁体字和生僻字。