规范

本 PEP 提议将默认源编码从 ASCII 更改为 UTF-8。对其他源编码（PEP 263）的支持将继续存在；显式编码声明将优先于默认值。

历史回顾

在 Python 1 中，源编码未指定，除了源编码必须是系统基本执行字符集（即，在大多数系统上是 ASCII 超集）的超集。源编码仅与词法本身相关（表示关键字、标识符、标点符号、换行符等的字母的字节）。字符串字面量的内容是按原样从源文件复制的。

在 Python 2.0 中，源编码因引入 Unicode 而意外地更改为 Latin-1。对于 Unicode 字符串字面量，字符仍按原样从源文件复制，但逐个字符地加宽。由于 Unicode 对代码点有固定的解释，此算法有效地固定了源编码，至少对于包含 Unicode 字面量中的非 ASCII 字符的文件而言。

PEP 263 指出了一个问题，即在 Unicode 字面量中只能使用那些也存在于 Latin-1 中的 Unicode 字符，并引入了一种声明源编码的语法。如果未给出源编码，则默认应为 ASCII。为了与 Python 2.0 和 2.1 兼容，文件在过渡期内被解释为 Latin-1。此过渡期在 Python 2.5 结束，如果遇到非 ASCII 字符且未声明源编码，Python 2.5 将报错。

基本原理

有了 PEP 263，在 Python 文件中使用任意非 ASCII 字符成为可能，但很麻烦。必须明确添加编码声明。尽管有些编辑器（如 IDLE 和 Emacs）支持 PEP 263 的声明，但许多编辑器仍然不支持（并且永远不会支持）；用户必须逐个文件地明确调整编辑器假定的编码。

当默认编码更改为 UTF-8 时，将非 ASCII 文本添加到 Python 文件变得更容易且更具可移植性：在某些系统上，编辑器在保存文本时会自动选择 UTF-8（例如，在区域设置使用 UTF-8 的 Unix 系统上）。在其他系统上，编辑器在读取文件时会猜测编码，而 UTF-8 很容易猜测。还有一些编辑器支持将默认编码与文件扩展名关联，允许用户将 .py 与 UTF-8 关联。

对于 Python 2，不使用非 UTF-8 编码的一个重要原因是，字节字符串字面量在运行时将采用源编码，从而允许将它们按原样输出到文件或呈现给用户。在 Python 3 中，所有字符串都将是 Unicode 字符串，因此源的原始编码在运行时将没有影响。

实施

如果未指定源编码，则需要更改解析器以接受大于 127 的字节；它不应报错，而应检查字节是否为格式良好的 UTF-8（解码不是必需的，因为解析器无论如何都会将所有源代码转换为 UTF-8）。

IDLE 需要更改为使用 UTF-8 作为默认编码。

版权

本文档已置于公共领域。