python - "# -*- coding: utf-8 -*-"，"from __future__ import unicode_literals"和 "sys.setdefaultencoding("utf 8")"有什么区别

Question

我所知道的是:

1. # -*- 编码:utf-8 -*-
   它用于声明 Python 源文件的编码，一旦我设置了编码名称，Python 解析器将使用给定的编码解释文件。我称之为“文件编码”；

2. 从 __future__ 导入 unicode_literals我正在使用 Python2.7 执行任务，我使用 from __future__ import unicode_literals 将字符串的默认类型从“str”更改为“unicode”。我称之为“字符串编码”；

3. sys.setdefaultencoding('utf8')但是有时候，我在Django中会报错，比如我在admin中存储了中文，然后我访问了相关页面

   UnicodeEncodeError at /admin/blog/vulpaper/29/change/
   'ascii' codec can't encode characters in position 6-13: ordinal not in range(128)
   ....the more error information
   The string that could not be encoded/decoded was: emcms外贸网站管理系统

   对于这个问题，我会在Django的设置文件中写sys.setdefaultencoding('utf8')来解决。

但实际上，我不知道上面的技术细节。

让我困惑的是:
1. 既然我设置了python源文件编码，为什么还要设置字符串编码来确保我的字符串编码是我喜欢的编码？
“文件编码”和“字符串编码”有什么区别？
2. 我设置了“文件编码”和“字符串编码”，为什么还是出现UnicodeEncodeError？

Answer 1

通常你必须同时使用文件编码和文字字符串编码，但它们实际上控制着一些非常不同的东西，了解区别。

文件编码

如果您希望在源代码中的任何地方(例如注释或文字字符串)写入 unicode 字符，您需要更改编码以使 python 解析器正常工作。设置错误的编码将导致 SyntaxError 异常。 PEP 263详细解释了问题以及如何控制解析器的编码。

In Python 2.1, Unicode literals can only be written using the Latin-1 based encoding "unicode-escape". This makes the programming environment rather unfriendly to Python users who live and work in non-Latin-1 locales such as many of the Asian countries.

...

Python will default to ASCII as standard encoding if no other encoding hints are given.

Unicode 文字字符串

Python 2 使用两种不同的字符串类型，unicode 和 str。当您定义文字字符串时，解释器实际上会创建一个 str 类型的新对象来保存该文字。

s = "A literal string"
print type(s)

<type 'str'>

TL;DR

If you want to change this behavior and instead create unicode object every time an unprefixed string literal is defined, you can use from __future__ import unicode_literals

如果您需要了解为什么这有用，请继续阅读。

您可以使用 u 前缀将文字字符串显式定义为 unicode。解释器将为这个文字创建一个 unicode 对象。

s = u"A literal string"
print type(s)

<type 'unicode'>

对于 ASCII 文本，使用 str 类型就足够了，但如果您打算操作非 ASCII 文本，则重要使用 unicode 类型字符级别的操作才能正常工作。以下示例显示了使用 str 和 unicode 对完全相同的文字进行字符级别解释的差异。

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

def print_characters(s):
    print "String of type {}".format(type(s))
    print "  Length: {} ".format(len(s))
    print "  Characters: " ,
    for c in s:
        print c,
    print
    print


u_lit = u"Γειά σου κόσμε"
s_lit = "Γειά σου κόσμε"

print_characters(u_lit)
print_characters(s_lit)

输出:

String of type <type 'unicode'>
  Length: 14 
  Characters:  Γ ε ι ά   σ ο υ   κ ό σ μ ε

String of type <type 'str'>
  Length: 26 
  Characters:  � � � � � � � �   � � � � � �   � � � � � � � � � �

使用 str 它错误地报告它是 26 字符长度并且遍历字符返回垃圾。另一方面，unicode 按预期工作。

设置 sys.setdefaultencoding('utf8')

有一个nice answer在堆栈溢出中关于为什么我们不应该使用它:)