[Python知识库]Python编程问题——中文字符无法被识别，SyntaxError: Non-ASCII character ‘ |xe5‘ in file 20.valid_parentheses.py on lin

1. 问题描述

在运行Python代码时出现以下问题：

SyntaxError: Non-ASCII character ‘\xe5’ in file 20.valid_parentheses.py on line 29, but no encoding declared; see http://python.org/dev/peps/pep-0263/ for details

2. 问题产生原因

这个问题产生的原因：通常是Python2的编译器无法识别中文字符。

在Python2中，文字的默认编码方式是ASCII码，这对亚洲等语言非常不友好，注释难以编码。

在Python3中，文字的默认编码方式是Unicode，采用的传输格式是utf-8。

3. 解决方法

在Python文件的第一行或第二行添加（必须是在源文件的第一行或者第二行）

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

这个写法有多种方式，最好使用这一种，这是PEP-0263的建议，因为Emacs等编辑器使用这种方式进行编码声明。

当然，最根本的方法就是直接使用Python3的编译器。Python3在Python2的基础上做了很大改动，更加的好用，建议尽量使用Python3。

4. 知识扩展

• 字符集
  计算机只能识别0和1，如果想要显示人类能够轻松易读的符号，或者将人能轻松读出的符号让计算机理解，就需要我们将0、1和人类易读符号进行互相转换。
  字符集就是用来做这种转换的规则。常用的有ASCII编码，UNICODE编码等很多其他编码。

• ASCII编码
  ASCII编码最早是美国用的，后来国际化了之后为了兼容其它语言文字做了扩展，这个应该是大家熟知的。
  ASCII编码表：
  

• UNICODE编码
  ASCII码无法兼容所有的语言，这是由其编码的位数决定的，8位难以表示所有字符，尤其是汉字。所以很多国家开始研究自己的字符集，包括我国的GB2312、GBK、GB18030。这导致一个问题：每个国家用自己的字符集，那么在进行交流的时候总是需要做字符集的转换。

  这个时候ISO（国际标准化组织）出面制定了UNICODE编码，统一采用16位进行编码，编码空间很大；兼容ASCII码，对于其他的编码全部没有提供兼容。这个编码方案的全名是Universal Multiple-Octet Coded Character Set，简称UCS，俗称UNICODE。

• UTF传输格式
  UTF全称是UCS Transfer Format，是UNICODE代码点（code point）的实际表示方式。按照其基本长度占用的位数分为UTF-8/16/32。

  尽管UNICODE提供了16位的编码空间，但是仍然不能包含历史上所有的文字，也不能解决传输的问题。所以UNICODE用一些基本的保留字符制定了三套编码方式：UTF-8、UTF-16、UTF-32。

  在讨论UNICODE时，搞清楚编码方式非常重要。

  UTF-8
  以8位序列编码，用一个或几个字节来表示一个字符。可以兼容ASCII编码作为它的一部分。它是变长编码，是压缩的Unicode编码方式，可以节省空间。
  UTF-16
  UNICODE通常是指UTF-16。它的长度相对固定，不超出范围时用两个字节表示，超出之后用四个字节表示。按照高低位字节顺序，又分为UTF-16BE/UTF-16LE。
  UTF-32
  长度始终固定，每个Unicode代码点用4字节表示，按照高低位字节顺序又分为UTF-32BE/UTF-32LE。

  以UTF-8为例，在传输一个字符时，每次传输8位数据。但是要注意的是，为了保证安全，在传输时UNICODE到UTF是通过一定的算法转换的，并不是直接对应。

  UTF-8使用多的原因是：第一，可以容纳所有字符，兼容ASCII码；第二，UTF-8是变长的，更加节省空间。

更多关于Unicode的信息可以参考wiki和Unicode官网介绍。