有关python中的#!/usr/bin/python 和编码机制的解释

  >  >  > 

---

【整理】关于Python脚本开头两行的：#!/usr/bin/python和# -*- coding: utf-8 -*-的作用 – 指定文件编码类型

#!/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：

1. 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。
2. 必须放在python文件的第一行或第二行
3. 支持的格式，可以有三种：
1. 带等于号的：
   ?

   1

   # coding=

2. 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: -*-

3. vim的：
   ?

   1 2	#!/usr/bin/python # vim: set fileencoding= :

4. 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：
?

1 2 3 4 5

coding:         utf-8 coding=utf-8 coding=                  utf-8 encoding:utf-8 crifanEncoding=utf-8

5. 为了照顾特殊的Windows中的：
1. 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：
1. 即使你没有声明文件编码，也自动当做是UTF-8的编码
2. 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
1. 否则（由于声明的编码和实际编码不一致，自然）会报错

 

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

1. 带声明了解释器的，Emacs风格的，（注释中的）文件编码声明
1. 例子1：
   ?

   1 2 3 4

   #!/usr/bin/python # -*- coding: latin-1 -*- import os, sys ...

2. 例子2：
   ?

   1 2 3 4

   #!/usr/bin/python # -*- coding: iso-8859-15 -*- import os, sys ...

3. 例子3：
   ?

   1 2 3 4

   #!/usr/bin/python # -*- coding: ascii -*- import os, sys ...

2. 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 ...

3. 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 ...

• 很明显，其中的没用-*-，直接用了coding加上编码值
4. 不带编码声明的，默认当做ASCII处理：
   ?

   1 2 3

   #!/usr/local/bin/python import os, sys ...

非法的python文件编码声明举例

1. 少了coding:前缀
   ?

   1 2 3 4

   #!/usr/local/bin/python # latin-1 import os, sys ...

2. 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 ...

3. 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 ...

 

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：

1. 读取文件
2. 不同的文件，根据其声明的编码去解析为Unicode
3. 转换为UTF-8字符串
4. 针对UTF-8字符串，去分词
5. 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。