python的中文問題一直是困擾新手的頭疼問題，這篇文章將給你詳細地講解一下這方面的知識。當然，幾乎可以確定的是，在將來的版本中，python會徹底解決此問題，不用我們這麼麻煩了。
先來看看python的版本：
>>> import sys
>>> sys.version
'2.5.1 (r251:54863, Apr 18 2007, 08:51:08) [MSC v.1310 32 bit (Intel)]'
（一）
用記事本創建一個文件ChineseTest.py，默認ANSI：
s = "中文"
print s
測試一下瞧瞧：
E:\Project\Python\Test>python ChineseTest.py
File "ChineseTest.py", line 1
SyntaxError: Non-ASCII character '\xd6' in file ChineseTest.py on line 1, but no encoding declared; see
http://www.pytho
n.org/peps/pep-0263.html for details
偷偷地把文件編碼改成UTF-8：
E:\Project\Python\Test>python ChineseTest.py
File "ChineseTest.py", line 1
SyntaxError: Non-ASCII character '\xe4' in file ChineseTest.py on line 1, but no encoding declared; see
http://www.pytho
n.org/peps/pep-0263.html for details
無濟於事。。。
既然它提供了網址，那就看看吧。簡單地瀏覽一下，終於知道如果文件裏有非ASCII字符，需要在第一行或第二行指定編碼聲明。把ChineseTest.py文件的編碼重新改爲ANSI，並加上編碼聲明：
# coding=gbk
s = "中文"
print s
再試一下：
E:\Project\Python\Test>python ChineseTest.py
中文
正常咯：）
（二）
看一看它的長度：
# coding=gbk
s = "中文"
print len(s)
結果：4。
s這裏是str類型，所以計算的時候一箇中文相當於兩個英文字符，因此長度爲4。
我們這樣寫:
# coding=gbk
s = "中文"
s1 = u"中文"
s2 = unicode(s, "gbk") #省略參數將用python默認的ASCII來解碼
s3 = s.decode("gbk") #把str轉換成unicode是decode，unicode函數作用與之相同
print len(s1)
print len(s2)
print len(s3)
結果：
2
2
2
（三）
接着來看看文件的處理：
建立一個文件test.txt，文件格式用ANSI，內容爲:
abc中文
用python來讀取
# coding=gbk
print open("Test.txt").read()
結果：abc中文
把文件格式改成UTF-8：
結果：abc涓枃
顯然，這裏需要解碼：
# coding=gbk
import codecs
print open("Test.txt").read().decode("utf-8")
結果：abc中文
上面的test.txt我是用Editplus來編輯的，但當我用Windows自帶的記事本編輯並存成UTF-8格式時，
運行時報錯：
Traceback (most recent call last):
File "ChineseTest.py", line 3, in <module>
print open("Test.txt").read().decode("utf-8")
UnicodeEncodeError: 'gbk' codec can't encode character u'\ufeff' in position 0: illegal multibyte sequence
原來，某些軟件，如notepad，在保存一個以UTF-8編碼的文件時，會在文件開始的地方插入三個不可見的字符（0xEF 0xBB 0xBF，即BOM）。
因此我們在讀取時需要自己去掉這些字符，python中的codecs module定義了這個常量：
# coding=gbk
import codecs
data = open("Test.txt").read()
if data[:3] == codecs.BOM_UTF8:
data = data[3:]
print data.decode("utf-8")
結果：abc中文
（四）一點遺留問題
在第二部分中，我們用unicode函數和decode方法把str轉換成unicode。爲什麼這兩個函數的參數用"gbk"呢？
第一反應是我們的編碼聲明裏用了gbk(# coding=gbk)，但真是這樣？
修改一下源文件：
# coding=utf-8
s = "中文"
print unicode(s, "utf-8")
運行，報錯：
Traceback (most recent call last):
File "ChineseTest.py", line 3, in <module>
s = unicode(s, "utf-8")
UnicodeDecodeError: 'utf8' codec can't decode bytes in position 0-1: invalid data
顯然，如果前面正常是因爲兩邊都使用了gbk，那麼這裏我保持了兩邊utf-8一致，也應該正常，不至於報錯。
更進一步的例子，如果我們這裏轉換仍然用gbk：
# coding=utf-8
s = "中文"
print unicode(s, "gbk")
結果：中文
翻閱了一篇英文資料，它大致講解了python中的print原理：
When Python executes a print statement, it simply passes the output to the operating system (using fwrite() or something like it), and some other program is responsible for actually displaying that output on the screen. For example, on Windows, it might be
the Windows console subsystem that displays the result. Or if you're using Windows and running Python on a Unix box somewhere else, your Windows SSH client is actually responsible for displaying the data. If you are running Python in an xterm on Unix, then
xterm and your X server handle the display.
To print data reliably, you must know the encoding that this display program expects.
簡單地說，python中的print直接把字符串傳遞給操作系統，所以你需要把str解碼成與操作系統一致的格式。Windows使用CP936(幾乎與gbk相同)，所以這裏可以使用gbk。最後測試：
# coding=utf-8
s = "中文"
print unicode(s, "cp936")
結果：中文
如果以上的還看不明白，再來個對話看看：
[轉自http://hi.baidu.com/zjw0358/blog/item/aab19652b51e00080cf3e3ed.html]
未來（初學者）(41934583) 16:33:58
其次把str轉成unicode不是直接構造，是用str對象的decode方法
Django-venjiang-.Net(69583868) 16:34:03
有漢字必須用u'...'這個嗎?
未來（初學者）(41934583) 16:34:18
不是
未來（初學者）(41934583) 16:34:38
用u構造出來的是unicode類型，不用的話構造出來是str類型
未來（初學者）(41934583) 16:35:54
str的編碼是與系統環境相關的，一般就是sys.getfilesystemencoding()得到的值
Django-venjiang-.Net(69583868) 16:36:12
嗯.明白了.
未來（初學者）(41934583) 16:36:25
unicode你可以不管它是怎麼存的，就把它看做是系統能夠識別其中內容的文本類型
未來（初學者）(41934583) 16:37:11
所以從unicode轉str，被看做是把一個信息文本編碼爲二進制字節流的過程，要用encode方法
Python 2.X(43602410) 16:37:18
有辦法判斷截取出來的那部分是漢字的前半部分後半部分麼?
頭太暈django(2538288) 16:37:31
我一個同事,前些天找了一本python的電子書學習.
未來（初學者）(41934583) 16:37:46
從str轉unicode，看作是從二進制串出解讀出有意義的信息文本，所以要用decode