中文編碼問題是用中文的程序員經常頭大的問題，在python下也是如此，那麼應該怎麼理解和解決python的編碼問題呢？
python內部使用的是unicode編碼，而外部卻要面對千奇百怪的各種編碼，比如作爲中國程序經常要面對的gbk，gb2312，utf8等，那這些編碼是怎麼轉換成內部的unicode呢？
首先我們先看一下源代碼文件中使用字符串的情況。源代碼文件作爲文本文件就必然是以某種編碼形式存儲代碼的，python默認會認爲源代碼文件是asci編碼，比如說代碼中有一個變量賦值：
s1=’a’
print s1
python認爲這個’a'就是一個asci編碼的字符。在僅僅使用英文字符的情況下一切正常，但是如果用了中文，比如：
s1=’哈’
print s1
這個代碼文件被執行時就會出錯，就是編碼出了問題。python默認將代碼文件內容當作asci編碼處理，但asci編碼中不存在中文，因此拋出異常。
解決問題之道就是要讓python知道文件中使用的是什麼編碼形式，對於中文，可以用的常見編碼有utf-8，gbk和gb2312等。只需在代碼文件的最前端添加如下：
# -*- coding: utf-8 -*-
這就是告知python我這個文件裏的文本是用utf-8編碼的，這樣，python就會依照utf-8的編碼形式解讀其中的字符，然後轉換成unicode編碼內部處理使用。
不過，如果你在Windows控制檯下運行此代碼的話，雖然程序是執行了，但屏幕上打印出的卻不是哈字。這是由於python編碼與控制檯編碼的不一致造成的。Windows下控制檯中的編碼使用的
是gbk，而在代碼中使用的utf-8，python按照utf-8編碼打印到gbk編碼的控制檯下自然就會不一致而不能打印出正確的漢字。
解決辦法一個是將源代碼的編碼也改成gbk，也就是代碼第一行改成：
# -*- coding: gbk -*-
另一種方法是保持源碼文件的utf-8不變，而是在’哈’前面加個u字，也就是:
s1=u’哈’
print s1
這樣就可以正確打印出’哈’字了。
這裏的這個u表示將後面跟的字符串以unicode格式存儲。python會根據代碼第一行標稱的utf-8編碼識別代碼中的漢字’哈’，然後轉換成unicode對象。如果我們用type查看一下’哈’的數據類型type(‘哈’)，會得到<type ‘str’>，而type(u’哈’)，則會得到<type ‘unicode’>，也就是在字符前面加u就表明這是一個unicode對象，這個字會以unicode格式存在於內存中，而如果不加u，表明這僅僅是一個使用某種編碼的字符串，編碼格式取決於python對源碼文件編碼的識別，這裏就是utf-8。
使用unicode對象的話，除了這樣使用u標記，還可以使用unicode類以及字符串的encode和decode方法。
unicode類的構造函數接受一個字符串參數和一個編碼參數，將字符串封裝爲一個unicode，比如在這裏，由於我們用的是utf-8編碼，所以unicode中的編碼參數使用’utf-8′將字符封裝爲
unicode對象，然後正確輸出到控制檯：
s1=unicode(‘哈’, ‘utf-8′)
print s1
另外，用decode函數也可以將一個普通字符串轉換爲unicode對象。很多人都搞不明白python字符串的decode和encode函數都是什麼意思。這裏簡要說明一下。
decode是將普通字符串按照參數中的編碼格式進行解析，然後生成對應的unicode對象，比如在這裏我們代碼用的是utf-8，那麼把一個字符串轉換爲unicode就是如下形式：
s2=’哈’.decode(‘utf-8′)
這時，s2就是一個存儲了’哈’字的unicode對象，其實就和unicode(‘哈’, ‘utf-8′)以及u’哈’是相同的。
那麼encode正好就是相反的功能，是將一個unicode對象轉換爲參數中編碼格式的普通字符，比如下面代碼：
s3=unicode(‘哈’, ‘utf-8′).encode(‘utf-8′)
s3現在又變回了utf-8的’哈’。