【转载】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

1、#!/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。

2、# -*- 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:

2.1 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。

2.2 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。

2.3 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:

# -*- 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:
      # coding=<encoding name>
    2. 最常见的,带冒号的(大多数编辑器都可以正确识别的):
      #!/usr/bin/python
      # -*- coding: <encoding name> -*-
    3. vim的:
      #!/usr/bin/python
      # vim: set fileencoding=<encoding name> :
  4. 更加精确的解释是:
    • 符合正则表达式:
      "^[ \t\v]*#.*?coding[:=][ \t]*([-_.a-zA-Z0-9]+)"
    • 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:
      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:

    • 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

2.4 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:

2.4.1 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

    例子1:

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

    例子2:

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

    例子3:

    #!/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:
    #!/usr/bin/python
    # -*- coding: iso-8859-15 -*-
    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:
    #!/usr/local/bin/python
    # coding: latin-1
    importos, 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:
    #!/usr/local/bin/python
    import os, sys
    ...
2.4.2 非法的python文件编码声明举例
  1. 少了coding:前缀
    #!/usr/local/bin/python
    # latin-1
    import os, sys
    ...
  2. 编码声明不在第一行或第二行:
    #!/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:
    #!/usr/local/bin/python
    # -*- coding: utf-42 -*-
    import os, sys
    ...

2.5 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。

上一篇:如何在Linux中用命令行工具管理KVM虚拟环境


下一篇:四级流水线的8bit加法器