前言
最近接了做字幕的兼職，自己總結了一套效率比較高的流程，但其中有一步需要將混在一起的中文行和英文行分開，所以想到了藉助Python腳本來解決。
本來覺得是個沒那麼複雜的問題，就是檢測某一行是否包括中文即可，不過由於對編碼問題的不熟悉，花了不少功夫。
（建議大家儘快轉用Python3，此類問題會少很多。。。）
正文
編碼溯源
1.爲了處理英文字符，產生了ASCII碼。
2.爲了處理中文字符，產生了GB2312。
3.爲了處理各國字符，產生了Unicode。注意Unicode 只是一個符號集，它只規定了符號的二進制代碼，卻沒有規定這個二進制代碼應該如何存儲。
4.爲了提高Unicode存儲和傳輸性能，產生了UTF-8，它是Unicode的一種實現形式。
UTF-8與BOM
Windows下使用UTF-8編碼默認會在文件頭加BOM（byte order mark），它是爲 UTF-16 和 UTF-32 準備的，用於標記字節序（byte order）。
儘管 Unicode 標準允許在 UTF-8 中使用 BOM，但它並不是必要的。特別地，UTF-8 的網頁代碼不應使用 BOM。
微軟在 UTF-8 中使用 BOM 是因爲這樣可以把 UTF-8 和 ASCII 等編碼明確區分開，但這樣的文件在 Windows 之外的操作系統裏會帶來問題。
而使用Notepad++可以將文本文件的編碼格式轉換爲無BOM的UFT-8編碼格式。
系統編碼
系統的默認編碼有所不同（這裏指控制檯顯示的編碼）：Linux默認UTF-8，Windows（簡體中文）默認GB2312。
因此直接用Windows控制檯輸出UTF-8編碼格式的中文會出現亂碼，就是因爲編譯碼方式不同，導致解析錯誤。
源碼中的編碼
Python2會將整個python腳本中的內容當做ASCII碼去處理，因此在文件頭部加入一行編碼聲明如：
# -*-coding:utf8-*-
這樣，Python在處理這個腳本時，會用UTF-8的編碼去處理整個腳本，就能夠正確的解析中文字符了。
字符串中的編碼
Python2中的字符串有str和Unicode兩種類型。
str類型的字符串都有一定的編碼方式，如ASCII、GBK、UTF-8等等，而Unicode即爲無編碼格式的計算機存儲符號。
通過encode和decode函數可以在兩者間進行轉換
可以觀察到UNICODE編碼的串輸出時在整個字符串前帶一個'u'的前綴，每個UNICODE符也各自含有一個'\u'的開頭。
查資料知基本漢字的UNICODE範圍在4E00-9FA5之間，簡略地使用這個範圍便足以滿足我們的需求。
參考資料
字符編碼筆記：ASCII，Unicode 和 UTF-8（強烈推薦）
附代碼
# -*-coding:utf8-*-
#首先需將中英文字幕文件編碼格式修改爲UFT-8無BOM編碼格式，並將其放置在所確定的路徑
#轉換結束後再將文件修改回UFT-8編碼格式，或者不轉好像也行 ^_^
def have_Chinese(word):
for ch in word.decode('utf-8'):
if u'\u4e00' <= ch <= u'\u9fff':
return True
return False
#路徑修改爲翻譯字幕所在路徑
path = "D:\\Desktop\\"
#翻譯字幕文件名
file = path+"Subtitles.txt"
#視頻題目
title = path+"Video"
with open(file,'r') as f:
lines = f.readlines()
Cn=[]
Eng=[]
for line in lines:
if len(line) <= 8: #這意味着空碼，包含時間碼和換行符
Cn.append(line)
Eng.append(line)
continue
if have_Chinese(line): #行內包含中文則視爲中文字幕
Cn.append(line)
else:
Eng.append(line) #否則爲英文字幕
with open(title+'.txt','w') as res_Eng:
for line in Eng:
res_Eng.write(line)
with open(title+'_CN.txt','w') as res_Cn:
for line in Cn:
res_Cn.write(line)