#!/usr/bin/python
是用来说明脚本语言是python的
是要用/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。
# -*- coding: utf-8 -*-
是用来指定文件编码为utf-8的
详情可以参考:
PEP 0263 — Defining Python Source Code Encodings
在此,详细的(主要是翻译)解释一下,为何要加这个编码声明,以及如何添加编码声明:
使用文件编码声明以前所遇到的问题
Python 2.1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。
希望是:
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。
建议选用的方案
所以,才有人给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。
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。
那具体如何声明,以什么样的格式去声明呢?
其实就是,你之前就见过的,这种:
1
|
# -*- coding: utf-8 -*-
|
对此格式的详细解释是:
- 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
- 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。
- 必须放在python文件的第一行或第二行
- 支持的格式,可以有三种:
-
带等于号的:
1# coding=
-
最常见的,带冒号的(大多数编辑器都可以正确识别的):
12#!/usr/bin/python# -*- coding:
-*- -
vim的:
12#!/usr/bin/python# vim: set fileencoding=
: - 更加精确的解释是:
-
符合正则表达式:
1"coding[:=]\s*([-\w.]+)"
- 的都可以,很明显,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:
- 为了照顾特殊的Windows中的:
- 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:
- 即使你没有声明文件编码,也自动当做是UTF-8的编码
- 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
1
2
3
4
5
|
coding: utf-8
coding=utf-8
coding= utf-8
encoding:utf-8
crifanEncoding=utf-8
|
文件编码声明的各种例子
针对上面的规则,下面给出各种,合法的,非法的,例子,供参考:
合法的python文件编码声明
- 带声明了解释器的,Emacs风格的,(注释中的)文件编码声明
-
例子1:
1234#!/usr/bin/python# -*- coding: latin-1 -*-import os, sys...
-
例子2:
1234#!/usr/bin/python# -*- coding: iso-8859-15 -*-import os, sys...
-
例子3:
1234#!/usr/bin/python# -*- coding: ascii -*-import os, sys...
-
不带声明了解释器的,直接用纯文本形式的:
123# This Python file uses the following encoding: utf-8import os, sys...
-
文本编辑器也可以有多种(其他的)定义编码的方式:
1234#!/usr/local/bin/python# coding: latin-1import os, sys...
- 很明显,其中的没用-*-,直接用了coding加上编码值
-
不带编码声明的,默认当做ASCII处理:
123#!/usr/local/bin/pythonimport os, sys...
非法的python文件编码声明举例
-
少了coding:前缀
1234#!/usr/local/bin/python# latin-1import os, sys...
-
编码声明不在第一行或第二行:
12345#!/usr/local/bin/python## -*- coding: latin-1 -*-import os, sys...
-
不支持的,非法的字符编码(字符串)声明:
1234#!/usr/local/bin/python# -*- coding: utf-42 -*-import os, sys...
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. |
2.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. |
3.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
要注意的是:
Python中的标识符,都是ASCII的。
其余的内容,不翻译了。
至此,已经解释的够清楚了。