事不过三

十二月 7, 2012

夫战，勇气也。一鼓作气，再而衰，三而竭。——《左传·庄公十年》

作为非拉丁语系文字的使用者，我们经常要在 Python 源文件中敲方块字，于是便会遇到以下错误：

SyntaxError: Non-ASCII character '\xe6' in file yang.py on line 3, but no encoding declared;

在遥远的 Python 2.1 年代，我们只能老老实实地使用形如「\xe6\x9d\xa8\xe8\xb6\x85」这样的转义字符串来书写非 ASCII 字符。于是核心开发者 Marc-André Lemburg 大叔怒了，说要有 Unicode 支持，于是便有了「#coding:utf-8」。

默认情况下 Python 解释器使用 ASCII 编码来解析源文件，除非在第一或者第二行有如下几种形式之一的声明：

# coding=utf-8
# coding: utf-8
# -*- coding: utf-8 –*-
# vim: set fileencoding=<encoding name> :

之所以会有这么多种形式，是因为类似后面两种形式的声明顺便配置了编辑器。如果你没有配置好自己的 vim 或者 Emacs，输不进去中文也没用。注意，以上声明中的 coding 与后跟的冒号或者等号中间不能有空格，其他地方随便空。这是因为 Python 解释器会在第一行或者第二行寻找如下格式的正则表达式匹配：

coding[:=]\s*([-\w.]+)

懂正则的同学知道这就是找 coding 后面紧跟一个冒号或者等号，然后随便空格，最后跟着一个只包含连字符、大小写字母、数字和点的字符串，这个字符串会被当成源文件的编码。

最后，为了降低实现难度，以上声明只支持使用一个字节表示任意字符的编码，例如 UTF-16 就不被支持了。

码者，宅之大事，死生之地，存亡之道，不可不察也。