python中的編碼問題

1. 聲明

首先聲明幾個名詞解釋：
1. 文件自己的編碼：能夠利用file檢查文件的編碼格式。例如：

file test.py
test.py: UTF-8 Unicode Java program text

這時文件自己的編碼是UTF-8的。

1. python代碼的編碼：打開文件，在文件上部添加的encoding。例如：

# -*- encoding: utf-8 -*-
import sys

2. 怎麼設定編碼

既然存在2個編碼，那麼就存在相同和不一樣狀況，二者相同天然是沒問題，好比都是gb18030或者utf-8，若是不一樣會怎麼樣呢？顯然是編碼顯示錯誤，看以下幾個例子：
文件編碼爲utf-8，代碼編碼爲gb18030，有：

# -*- encoding: gb18030 -*-

str_alphabeta = "ABCDEFG"
print type(str_alphabeta)
print str_alphabeta

str_kanji = "可口可樂"
print type(str_kanji)
print str_kanji

輸出爲：

File "test.py", line 1
SyntaxError: encoding problem: with BOM

出現一個新的關鍵詞BOM，這個能夠google一下，若是你在vim中看到<feff>這麼一個東西，那也是BOM引發的，若是文檔是utf-8我的以爲使用無BOM格式會好處理點。
那麼爲了能正常運行，須要文檔的編碼和代碼的編碼一致。

3. unicode_literals

來自future庫的內容表示如今還在「試用」階段，若是你追求「新」就用，若是你追求「穩」就別用（我這麼理解的，雖然我常常用division）。
unicode_literals的幫助是這麼寫的：

>>> help(unicode_literals)
Help on instance of _Feature in module __future__:

class _Feature
 |  Methods defined here:
 |  
 |  __init__(self, optionalRelease, mandatoryRelease, compiler_flag)
 |  
 |  __repr__(self)
 |  
 |  getMandatoryRelease(self)
 |      Return release in which this feature will become mandatory.
 |      
 |      This is a 5-tuple, of the same form as sys.version_info, or, if
 |      the feature was dropped, is None.
 |  
 |  getOptionalRelease(self)
 |      Return first release in which this feature was recognized.
 |      
 |      This is a 5-tuple, of the same form as sys.version_info.

簡單地說就是，非unicode(32)的代碼編碼（例如utf-8），直接賦值一個字符串獲得的編碼是代碼的編碼方式，對象的類型是str，可是若是字符串前面加一個「u」就表示這個字符串是unicode(32)的編碼，例如：

# -*- encoding: utf-8 -*-

str_kanji = "可口可樂"
print type(str_kanji)
print str_kanji

str_kanji_unicode = u"可口可樂"
print type(str_kanji_unicode)
print str_kanji_unicode

輸出爲：

<type 'str'>
可口可樂
<type 'unicode'>
可口可樂

第一個可口可樂是utf-8編碼的（能夠經過locale中的LC_CTYPE來驗證），第二個是unicode(32)的。
若是import unicode_literals則變爲（代碼略）：

<type 'unicode'>
可口可樂
<type 'unicode'>
可口可樂