Python中的默認編碼

####1. Python源代碼文件的執(zhí)行過程

我們都知道，磁盤上的文件都是以二進制格式存放的，其中文本文件都是以某種特定編碼的字節(jié)形式存放的。對于程序源代碼文件的字符編碼是由編輯器指定的，比如我們使用Pycharm來編寫Python程序時會指定工程編碼和文件編碼為UTF-8，那么Python代碼被保存到磁盤時就會被轉換為UTF-8編碼對應的字節(jié)（encode過程）后寫入磁盤。當執(zhí)行Python代碼文件中的代碼時，Python解釋器在讀取Python代碼文件中的字節(jié)串之后，需要將其轉換為UNICODE字符串（decode過程）之后才執(zhí)行后續(xù)操作。

上面已經解釋過，這個轉換過程（decode，解碼）需要我們指定文件中保存的字節(jié)使用的字符編碼是什么，才能知道這些字節(jié)在UNICODE這張萬國碼和統(tǒng)一碼中找到其對應的代碼點是什么。這里指定字符編碼的方式大家都很熟悉，如下所示：

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

2. 默認編碼

那么，如果我們沒有在代碼文件開始的部分指定字符編碼，Python解釋器就會使用哪種字符編碼把從代碼文件中讀取到的字節(jié)轉換為UNICODE代碼點呢？就像我們配置某些軟件時，有很多默認選項一樣，需要在Python解釋器內部設置默認的字符編碼來解決這個問題，這就是文章開頭所說的“默認編碼”。因此大家所說的Python中文字符問題就可以總結為一句話： 當無法通過默認的字符編碼對字節(jié)進行轉換時，就會出現解碼錯誤(UnicodeEncodeError) 。

Python2和Python3的解釋器使用的默認編碼是不一樣的，我們可以通過sys.getdefaultencoding()來獲取默認編碼：

>> > # Python2
 >> > import sys
 >> > sys.getdefaultencoding()
'ascii'

 >> > # Python3
 >> > import sys
 >> > sys.getdefaultencoding()
'utf-8'

因此，對于Python2來講，Python解釋器在讀取到中文字符的字節(jié)碼嘗試解碼操作時，會先查看當前代碼文件頭部是否有指明當前代碼文件中保存的字節(jié)碼對應的字符編碼是什么。如果沒有指定則使用默認字符編碼"ASCII"進行解碼導致解碼失敗，導致如下錯誤：

SyntaxError: Non-ASCII character '\\xc4' in file xxx.py on line 11, but no encoding declared; see http://python.org/dev/peps/pep-0263/ for details

對于Python3來講，執(zhí)行過程是一樣的，只是Python3的解釋器以"UTF-8"作為默認編碼，但是這并不表示可以完全兼容中文問題。比如我們在Windows上進行開發(fā)時，Python工程及代碼文件都使用的是默認的GBK編碼，也就是說Python代碼文件是被轉換成GBK格式的字節(jié)碼保存到磁盤中的。Python3的解釋器執(zhí)行該代碼文件時，試圖用UTF-8進行解碼操作時，同樣會解碼失敗，導致如下錯誤：

SyntaxError: Non-UTF-8 code starting with '\\xc4' in file xxx.py on line 11, but no encoding declared; see http://python.org/dev/peps/pep-0263/ for details

3. 最佳實踐

• 創(chuàng)建一個工程之后先確認該工程的字符編碼是否已經設置為UTF-8
• 為了兼容Python2和Python3，在代碼頭部聲明字符編碼：-*- coding:utf-8 -*-