ubuntu下vi建立python檔案時的中文問題

今天是學習python的第一天，和其他所有語言一樣，我首先就編碼問題對python的字串操作進行學習，很不幸，剛開始就遇到了問題；

首先，在ubuntu下，用vi新建乙個a.py，輸入以下**：

s = '中文';

print s;

儲存後，執行python a.py，出現了以下錯誤：

syntaxerror: non-ascii character '\xe4' in file b.py on line 2, but no encoding declared; see for details

ok，我們可以看到，python很明顯地提示我說，沒有設定編碼，那麼好，我們就為它設定以下編碼，要處理中文，我們立馬就該想到用gbk、gb2312或者unicode，好，先用gbk試一下（gb2312就不用試了，畢竟與gbk是相容的），修改a.py檔案內容：

#coding=gbk

s = '中文';

print s;

儲存後，再次執行，很悲劇，又有錯誤：

syntaxerror: 'gbk' codec can't decode bytes in position 7-8: illegal multibyte sequence

這是什麼個情況？我再用unicode試一試，為了相容ansi，我採用了utf-8，修改a.py檔案內容如下：

#coding=utf-8

s = '中文『；

print s;

儲存後，再次執行，額，神奇，搞定了，正確輸出了「中文」兩個漢字。

這是為什麼呢？檢視一下a.py的檔案儲存格式：

:set fileencodoing

輸出了 fileencoding=utf-8，可以看到a.py在我的ubuntu上預設是以utf-8格式來儲存的，想以gbk的編碼來解釋，當然行不通。

起初還以為是vi在以utf-8格式儲存檔案時，會在檔案頭插入bom，但是經過以下測試，發現不是這個問題：

#coding=gbk

import codecs;

data=open('b.py').read();

print len(data);

if data[:3] == codecs.bom_utf8:

data=data[3:];

print len(data);

輸出的長度都是36，說明沒有bom位元組，不過在windows的某些軟體就難說了，比如notepad，在儲存乙個以utf-8編碼的檔案時，會在檔案開始的地方插入三個不可見的字元（0xef 0xbb 0xbf，即bom）。

因此我們在讀取時需要自己去掉這些字元，python中的codecs module定義了這個常量：

# coding=gbk

import codecs;

data = open("a.py").read();

if data[:3] == codecs.bom_utf8:

data = data[3:];

print data.decode("utf-8");