在Python源代码中使用UTF-8编码

Question

考虑以下情况：

$ cat bla.py 
u = unicode('d…')
s = u.encode('utf-8')
print s
$ python bla.py 
  File "bla.py", line 1
SyntaxError: Non-ASCII character '\xe2' in file bla.py on line 1, but no encoding declared; see http://www.python.org/peps/pep-0263.html for details

我该如何在源代码中声明UTF-8字符串？

- Nullpoet

---

对我来说，“参见http://www.python.org/peps/pep-0263.html以获取详细信息”这句话很清楚。 - Lennart Regebro

Answer 1

在Python 3中，UTF-8是默认的源编码（参见PEP 3120），因此Unicode字符可以在任何地方使用。

在Python 2中，你可以在源代码头部声明：

# -*- coding: utf-8 -*-
....

这在PEP 0263中有所描述。

然后您可以在字符串中使用UTF-8：

# -*- coding: utf-8 -*-

u = 'idzie wąż wąską dróżką'
uu = u.decode('utf8')
s = uu.encode('cp1250')
print(s)

- Michał Niklas

---

现在出现了这个错误："UnicodeDecodeError: 'ascii' codec can't decode byte 0xe2 in position 1: ordinal not in range(128)"。 - Nullpoet

你不需要使用 unicode()，只需以 UTF-8 编码编写字符串即可。 - Michał Niklas

在Python 3之前的版本中，你需要在unicode字符串字面值前加上前缀“u”：some_string = u'idzie wąż wąską dróżką'。 - Anton Strogonoff

#!/usr/bin/env python

编码：utf-8

- warvariuc

不，声明是我所知道的唯一方法。许多编辑器可以使用代码模板，因此如果您打开新的Python，则会打开您喜欢的代码。 - Michał Niklas

Answer 2

不要忘记验证您的文本编辑器是否正确地将代码编码为UTF-8。

否则，您可能会遇到不被解释为UTF-8的不可见字符。

- Ranaivo

---

这对Python3有必要吗？我知道Python3假定代码中的所有文字都是Unicode。但它是否也假定源文件也是用UTF8编写的？ - Ricardo Magalhães Cruz

@RicardoCruz 是的，我相信在Python 3中utf-8是默认编码。请参阅https://www.python.org/dev/peps/pep-3120/。 - Jonathan Hartley

@ricardo-cruz 在Python 3中，所有字符串都将是Unicode字符串，因此源代码的原始编码在运行时不会产生影响。

1. PEP 3120 -- 将UTF-8作为默认源编码
2. PEP 263 -- 定义Python源代码编码

- noobninja

@noobninja 感谢提供的链接：PEP 3120 确认源代码本身现在被假定为 UTF-8，而不仅仅是字符串。 - Ricardo Magalhães Cruz

使用 # coding: utf8 代替 # -*- coding: utf-8 -*- 更加易于记忆。 - show0k

“源代码的原始编码在运行时不会产生影响”是不正确的。Unicode字符串常量需要Python知道源文件的编码才能正确生成Unicode字符串。Python 3假定为UTF-8，因此如果源文件采用其他编码且存在非ASCII字符，则需要#coding。 - Mark Tolonen