GBK与UTF-8编码问题(1)

1. 问题现象

  我们在编译.py的python代码时，有时会遇到如下图这种问题。提示说“SyntaxError: (unicode error) ‘utf-8’ codec can’t decode byte 0xc4 in position 0: invalid continuation byte”，代码中有中文字符，这似乎和文件的编码方式有关。

2. 原因分析

  我们查了一下关于utf-8的编码解释。
• ASCII：仅支持英文字母、数字和基本符号（共 128 个字符），无法表示非英语字符。
• UTF-8：支持全球所有 Unicode 字符（超过 140,000 个字符），是一种针对 Unicode 的可变长度字符编码，包括中文、日文、阿拉伯文等。
• GBK/GB2312：中国国家标准，仅支持中文及少数其他字符，不兼容其他语言。
  示例：
• 字符 A 的编码：
 o ASCII/UTF-8：0x41（1 字节）
• 中文字符 “你” 的编码：
 o UTF-8：0xE4 BD A0（3 字节）
 o GBK：0xC4 E3（2 字节）
  因此出现上述编译问题，就是因为.py文件的编码方式与Python 解释器的编码解析方式不同导致。

3. 解决方法

  解决此问题有两种简单方法：
（1）在 Python 代码第1行，加入 # --coding:GBK -- ，一种指定源文件编码格式的特殊注释，也称为编码声明（coding declaration）。它的作用是告诉 Python 解释器当前文件使用GBK 编码保存，这样解释器才能正确解析文件中的非 ASCII 字符（如中文）。如下图，这时编译就不会报错了。

  编码声明必须放在 Python 文件的首行或第二行，有以下几种等效写法：

# -*- coding: GBK -*-  # Emacs风格
# coding: GBK          # 简洁风格
# encoding: GBK        # 同上

  不过如果.py文件不是GBK 编码保存的，那也有可能还会编译出错，这时我们可以尝试第2种方法。

（2）因为Python 3.x 默认使用 UTF-8 编码解析源代码，因此我们只要将.py文件转换成UTF-8 编码，那么也能保证正常编译。可以利用Notepad++软件打开.py文件，点击菜单栏编码，再点击转为UTF-8编码，然后保存即可。

  这时再编译，也不会报错了。