【原創】Python 源文件編碼解讀
以下內容源於對 PEP-0263 的翻譯和解讀，同時給出了一些網上網友的說法。
======== 我是分割線 ========
PEP 0263 -- Defining Python Source Code Encodings
【摘要】
給出聲明 Python 源文件編碼的語法。該編碼信息後續會被 Python 解析器用於解析源文件。
這種方式增強了對源文件中 Unicode 編碼字的處理。
【問題】
Python 2.1 時代，Unicode 字符只能利用 Latin-1 字符進行「Unicode 轉義」的方式來表示（也就是說當時只支持 Latin-1 字符編碼，所以 Unicode 字符編碼只能使用 Latin-1 字符來進行轉義表示）。這對廣大亞洲人民是很坑爹的。
【解決方案】
通過在 Python 腳本文件的頭部增加 顯式的、可按文件隨時改變的 特殊註釋，來聲明編碼方式。
【編碼定義】
Python 默認使用 ASCII 編碼。
若要自定義 Python 源碼的編碼方式，需要在腳本文件的第一或者第二行的位置上添加如下定義：
1.
2.
3.
在前兩種方式中，實際上是通過 coding[:=]\s*([-\w.]+) 這個正則表達式來進行匹配。
爲了支持 Windows 平臺上的應用，會在生成的 Unicode 文件的頭部添加 Unicode BOM 標識，其中帶有 UTF-8 標識 '\xef\xbb\xbf' 的文件會被當做具有 UTF-8 編碼的文件（此時在 Python 腳本的頭部沒有那行編碼特殊註釋也沒問題） 。
如果出現源文件同時使用了 UTF-8 BOM 標識和文件頭部的特殊註釋的情況，那麼在表明編碼的特殊註釋中只能使用 'utf-8' 這個字串，其他情況會報錯。
【舉例】
1. Python 解析器說明 + Emacs 風格的文件編碼註釋
2. 無 Python 解析器說明 + 普通明文描述
3. Python 解析器說明 + 非 Emacs 風格的文件編碼註釋
4. 無編碼註釋（Python 解析器默認爲 ASCII）
5. 錯誤的編碼註釋方式
a. 無 coding: 前綴
b. 編碼註釋不在第一或第二行
c. 使用不支持的編碼
=========== 我是分割線 ============
小實驗截圖：
輸出中文。
報錯。
添加編碼。
正常輸出。
IDE默認的編碼設置。
各種轉碼輸出。
輸出的結果。
補充說明：
cp936即 code page 936（代碼頁936）是以GBK（國標擴展字符集）爲基礎的編碼。GB2312（國標字符集）只是GBK的一部分。 GB2312只支持常用的漢字，而且是簡體字。GBK支持繁體字和生僻字。
======== 我是分割線 ========
PEP 0263 -- Defining Python Source Code Encodings
【摘要】
給出聲明 Python 源文件編碼的語法。該編碼信息後續會被 Python 解析器用於解析源文件。
這種方式增強了對源文件中 Unicode 編碼字的處理。
【問題】
Python 2.1 時代，Unicode 字符只能利用 Latin-1 字符進行「Unicode 轉義」的方式來表示（也就是說當時只支持 Latin-1 字符編碼，所以 Unicode 字符編碼只能使用 Latin-1 字符來進行轉義表示）。這對廣大亞洲人民是很坑爹的。
【解決方案】
通過在 Python 腳本文件的頭部增加 顯式的、可按文件隨時改變的 特殊註釋，來聲明編碼方式。
【編碼定義】
Python 默認使用 ASCII 編碼。
若要自定義 Python 源碼的編碼方式，需要在腳本文件的第一或者第二行的位置上添加如下定義：
1.
|
1
|
# coding=<encoding name>
|
|
1
2
|
#!/usr/bin/python
# -*- coding: <encoding name> -*-
|
|
1
2
|
#!/usr/bin/python
# vim: set fileencoding=<encoding name> :
|
爲了支持 Windows 平臺上的應用，會在生成的 Unicode 文件的頭部添加 Unicode BOM 標識，其中帶有 UTF-8 標識 '\xef\xbb\xbf' 的文件會被當做具有 UTF-8 編碼的文件（此時在 Python 腳本的頭部沒有那行編碼特殊註釋也沒問題） 。
如果出現源文件同時使用了 UTF-8 BOM 標識和文件頭部的特殊註釋的情況，那麼在表明編碼的特殊註釋中只能使用 'utf-8' 這個字串，其他情況會報錯。
【舉例】
1. Python 解析器說明 + Emacs 風格的文件編碼註釋
|
1
2
3
4
|
#!/usr/bin/python
# -*- coding: latin-1 -*-
import
os, sys
...
|
|
1
2
3
4
|
#!/usr/bin/python
# -*- coding: iso-8859-15 -*-
import
os, sys
...
|
|
1
2
3
4
|
#!/usr/bin/python
# -*- coding: ascii -*-
import
os, sys
...
|
2. 無 Python 解析器說明 + 普通明文描述
|
1
2
3
|
# This Python file uses the following encoding: utf-8
import
os, sys
...
|
3. Python 解析器說明 + 非 Emacs 風格的文件編碼註釋
|
1
2
3
4
|
#!/usr/local/bin/python
# coding: latin-1
import
os, sys
...
|
4. 無編碼註釋（Python 解析器默認爲 ASCII）
|
1
2
3
|
#!/usr/local/bin/python
import
os, sys
...
|
5. 錯誤的編碼註釋方式
a. 無 coding: 前綴
|
1
2
3
4
|
#!/usr/local/bin/python
# latin-1
import
os, sys
...
|
|
1
2
3
4
5
|
#!/usr/local/bin/python
#
# -*- coding: latin-1 -*-
import
os, sys
...
|
|
1
2
3
4
|
#!/usr/local/bin/python
# -*- coding: utf-42 -*-
import
os, sys
...
|
=========== 我是分割線 ============
小實驗截圖：
輸出中文。
報錯。
添加編碼。
正常輸出。
IDE默認的編碼設置。
各種轉碼輸出。
輸出的結果。
補充說明：
cp936即 code page 936（代碼頁936）是以GBK（國標擴展字符集）爲基礎的編碼。GB2312（國標字符集）只是GBK的一部分。 GB2312只支持常用的漢字，而且是簡體字。GBK支持繁體字和生僻字。