转于:https://www.crifan.com/python_head_meaning_for_usr_bin_python_coding_utf-8/
出处:在路上
一、基本功能
1)#!/usr/bin/python
作用:用来说明脚本语言是python,要用/usr/bin下面的程序(工具)python,这个解释器,来解释python脚本,来运行python脚本的。
2)# -*- coding: utf-8 -*-
作用:用来指定文件编码为utf-8
详情可以参考:PEP 0263 — Defining Python Source Code Encodings
二、为何要加这个编码声明,以及如何添加编码声明?
1)使用文件编码声明以前所遇到的问题
Python 中,想要输入Unicode字符,只能用基于Latin-1的"unicode-escape"的方式输入 -> 对于其他非Latin-1的国家和用户,想要输入Unicode字符,就显得很繁琐,不方便。
希望:编程人员,根据自己的喜好和需要,以任意编码方式输入字符串,都可以,这样才正常。
2)建议选用的方案
给Python官方建议,所以才有此PEP 0263
此建议就是:允许在Python文件中,通过文件开始处的,放在注释中的,字符串形式的,声明,声明自己的python文件,用何种编码。由此,需要很多地方做相应的改动,尤其是Python文件的解析器,可以识别此种文件编码声明。
三、具体如何声明python文件编码?
#上面已经说了,是,文件开始处的,放在注释中的,字符串形式的,声明。
1)注意事项
1
|
# -*- coding: utf-8 -*- |
对此格式的详细解释是:
A、如果没有此文件编码类型的声明,则python默认以ASCII编码去处理
B、如果你没声明编码,但是文件中又包含非ASCII编码的字符的话,python解析器去解析的python文件,自然就会报错了。
C、必须放在python文件的第一行或第二行
2)支持的格式,可以有三种:
A、带等于号的:
1
|
# coding=<encoding name> |
B、最常见的,带冒号的(大多数编辑器都可以正确识别的):
1
2
|
#!/usr/bin/python # -*- coding: <encoding name> -*- |
C、vim的:
1
2
|
#!/usr/bin/python # vim: set fileencoding=<encoding name> : |
#更加精确的解释是,符合正则表达式:
1
|
"coding[:=]\s*([-\w.]+)" |
==>如果你熟悉正则表达式,也就可以写出来,其他一些合法的编码声明,以utf-8为例,比如:
1
2
3
4
5
|
coding: utf - 8
coding = utf - 8
coding = utf - 8
encoding:utf - 8
crifanEncoding = utf - 8
|
3)Windows中的带BOM(’\xef\xbb\xbf’)的UTF-8:
如果你的python文件本身编码是带BOM的UTF-8,即文件前三个字节是:’\xef\xbb\xbf’,那么:
A、即使你没有声明文件编码,也自动当做是UTF-8的编码;
B、如果你声明了文件编码,则必须是声明了(和你文件编码本身相一致的)UTF-8,否则(由于声明的编码和实际编码不一致,自然)会报错
四、文件编码声明的各种例子
1)合法的python文件编码声明
A、带声明了解释器的,Emacs风格的,(注释中的)文件编码声明
例1:
1
2
3
4
|
#!/usr/bin/python # -*- coding: latin-1 -*- import os, sys
... |
例2:
1
2
3
4
|
#!/usr/bin/python # -*- coding: iso-8859-15 -*- import os, sys
... |
例子3:
1
2
3
4
|
#!/usr/bin/python # -*- coding: ascii -*- import os, sys
... |
B、不带声明了解释器的,直接用纯文本形式的:
1
2
3
|
# This Python file uses the following encoding: utf-8 import os, sys
... |
C、文本编辑器也可以有多种(其他的)定义编码的方式:
1
2
3
4
|
#!/usr/local/bin/python # coding: latin-1 import os, sys
... |
D、不带编码声明的,默认当做ASCII处理:
1
2
3
|
#!/usr/local/bin/python import os, sys
... |
2)非法的python文件编码声明举例
A、少了coding:前缀
1
2
3
4
|
#!/usr/local/bin/python # latin-1 import os, sys
... |
B、编码声明不在第一行或第二行:
1
2
3
4
5
|
#!/usr/local/bin/python # # -*- coding: latin-1 -*- import os, sys
... |
C、不支持的,非法的字符编码(字符串)声明:
1
2
3
4
|
#!/usr/local/bin/python # -*- coding: utf-42 -*- import os, sys
... |
五、python文件编码声明所遵循的理念
1)单个的完整的python源码文件中,只用单一的编码
->不允许嵌入了多种的编码的数据,否则会导致(python解释器去解析你的python文件时)报编码错误。
不太懂这段:
Any encoding which allows processing the first two lines in the way indicated above is allowed as source code encoding, this includes ASCII compatible encodings as well as certain multi-byte encodings such as Shift_JIS. It does not include encodings which use two or more bytes for all characters like e.g. UTF-16. The reason for this is to keep the encoding detection algorithm in the tokenizer simple. |
这段也不太懂:
Handling of escape sequences should continue to work as it does now, but with all possible source code encodings, that is standard string literals (both 8-bit and Unicode) are subject to escape sequence expansion while raw string literals only expand a very small subset of escape sequences. |
2)Python的分词器+编译器,会按照如下的逻辑去工作:
- 读取文件
- 不同的文件,根据其声明的编码去解析为Unicode
- 转换为UTF-8字符串
- 针对UTF-8字符串,去分词
- 编译之,创建Unicode对象
3)要注意的是:
Python中的标识符,都是ASCII的。