python 中文编码问题

转载

http://my.oschina.net/leejun2005/blog/74430

总结：

1）

前缀“u”表示“后面这个字符串“是一个Unicode字符串”，这仅仅是一个声明，并不表示这个字符串就真的是Unicode了；就好比某正太声称自己已满18岁，但实际上他的真实年龄并不确定，现在体育界年龄造假可不稀罕幺! 
那么声明成u有什么作用呢？对于Python来说，只要你声明某字符串是Unicode，它就会用Unicode的一套机制对它进行处理。比方说，做字符串操作的时候会动用到内部的Unicode处理函数，保存的时候以Unicode字符（双字节）进行保存。等等。显而易见，对于一个实际上并不是Unicode的字符串，做Unicode动作的处理，是有可能会出问题的。 u前缀只适用于你的字符串常量真的是Unicode的情况 

2）

用python处理在处理中文的时候需要注意一些问题。比如： 

>>> a = "我是一个中国人"
>>> print a[0:2]
我
>>> print a[0];
Î   （只能输出“我”字的前半部分）

。像这样： 
c = unicode(a, "gb2312") 
print c[0] 
这个时候c的下标对应的就是每一个字符，不再是字节，并且通过len(c)就可以获得字符数！还可以很方便的转换为其他编码，比如转换为utf-8： 

d = c.encode("utf-8") 

未完