在看 Python 源代码的时候，经常会碰到如下注释：
1 | #!/usr/bin/env python |
1 | # -*- coding: utf-8 -*- |
见名知意，大概可以猜测到本文件是utf-8编码，但是为什么呢？
why
Python 是一门解释性语言。在正式执行之前，需要经过Decoding -> Tokenizing -> Parsing -> AST -> Compiling这么多流程。
解释器如何在Decoding阶段就知道文件如何编码的呢？PEP 263 提出了解决方案：在源文件中以上面的格式指定，解释器按照格式解析出对应的编码。
如果没有指定编码呢？
Python 2.x 默认会按照 ascii读取。所以，如果在 2.x 源码中加入中文，会报编码错误。
Python 3.x 则默认读取 utf-8 模式。
where
源文件第 1 或者 2 行。
what
指定的格式必须满足以下格式
PEP 263:1
^[ \t\v]*#.*?coding[:=][ \t]*([-_.a-zA-Z0-9]+)
或, Python Language Specification：
1 | coding[=:]\s*([-\w.]+) |
解释一下这个正则表达式:
所有的编码指定必须在一行内。
不必以 # 号开头，# 号前可以有0个或者多个空白符。# 到coding 可以是除换行符意外的任何字符。coding后可以是 = 或者 : , 再之后是可选的空白符，然后是编码(参考Python encoding list)。
who
指定的格式给谁看的呢？
- 主要是给解释器看的。
- 有的编辑器也能理解某种格式的注释。
- 给人看。
针对第2点：
Emacs用户：
1 | # -*- coding: utf-8 -*- |
Vim 用户：
1 | # vim:fileencoding=<encoding-name> |