寫了很久的Python了，每次寫之前都要在開頭加上coding=utf-8，只知道是設定編碼格式，但並沒有太在意，今天在寫socket程式設計時才發現編碼格式的重要性。

一、關於開頭coding=utf-8

開頭的coding=utf-8和coding:utf-8的作用是一樣的。

作用是宣告python程式碼的文字格式是utf-8，python按照utf-8的方式來讀取程式。

如果不加這個宣告，無論程式碼中還是註釋中有中文都會報錯。

以下幾種方式都可以：

注意一點無論中間是：還是=，其中coding與它們之間都不能有空格。否則也會報錯。

二、關於中文字元前面的u

加上u的作用是對後面的字串進行unicode編碼。unicode是書寫國際文字的標準方法，如果你想用你的母語來寫文字的時候，就需要一個支援unicode的編譯器，python允許處理Unicode文字，只需在字串前加上字首u即可。一般英文的字串不需要進行任何編碼的處理，但是當你使用中文的時候，就需要在前面加上u了。

再補充下utf-8、unicode以及其他編碼之間的關係：

• Unicode 是字符集
• UTF-8 是編碼規則

編碼規則是將碼位轉換為位元組序列的規則。

引用知乎上某個大佬舉的例子：https://www.zhihu.com/question/23374078/answer/65352538

舉一個例子：It's 知乎日報

I 0049
t 0074
' 0027
s 0073
  0020
知 77e5
乎 4e4e
日 65e5
報 62a5

每一個字元對應一個十六進位制數字。

I 00000000 01001001
t 00000000 01110100
' 00000000 00100111
s 00000000 01110011
  00000000 00100000
知 01110111 11100101
乎 01001110 01001110
日 01100101 11100101
報 01100010 10100101
 

這個字串總共佔用了18個位元組，但是對比中英文的二進位制碼，可以發現，英文前9位都是0！浪費啊，浪費硬碟，浪費流量。

怎麼辦？

UTF。

UTF-8是這樣做的：

1. 單位元組的字元，位元組的第一位設為0，對於英語文字，UTF-8碼只佔用一個位元組，和ASCII碼完全相同；

2. n個位元組的字元(n>1)，第一個位元組的前n位設為1，第n+1位設為0，後面位元組的前兩位都設為10，這n個位元組的其餘空位填充該字元unicode碼，高位用0補足。

這樣就形成了如下的UTF-8標記位：

0xxxxxxx
110xxxxx 10xxxxxx
1110xxxx 10xxxxxx 10xxxxxx
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
... ...

I 01001001
t 01110100
' 00100111
s 01110011
  00100000
知 11100111 10011111 10100101
乎 11100100 10111001 10001110
日 11100110 10010111 10100101
報 11100110 10001010 10100101

和上邊的方案對比一下，英文短了，每個中文字元卻多用了一個位元組。但是整個字串只用了17個位元組，比上邊的18個短了一點點。

另外一個漢字在UTF-8編碼的情況下可能需要三個位元組，而使用gbk兩個位元組就足夠了，所以有時候為了節省流量和硬碟，在使用中文的時候，也有用gbk或者gbk2312編碼的。