对于Python的初学者来说，处理汉字估计是最头疼的一件事了，我也算是个初学者，断断续续接触Python也有一年多了，最近才终于搞明白了Python里对多字节字符的处理是怎么回事。

其实Python里对编码的处理能力还是很强大的，只是需要理解它处理字符的方式。Python里有两种字符串，str和unicode，他们都是字符的序列（相当于字符数组），区别在于字符的不同，str里一个字符就是一个字节，unicode中的一个字符是一个unicode里的字，长度可能是2字节，也可能是4字节。

Unicode是Python对多字节字符使用的一种内部编码，也就是说在Python内部处理多字节字符的官方编码，但它并不是我们常见的utf-8，具体是什么编码我也不清楚。在Python里处理字符串时，都需要先将来自文件、网络、或者str的字符串转换成Unicode格式，这一步是通过unicode工厂函数或者str的decode方法（decode可以理解为是从一种被编码的二进制字节流解码为Python内部通用的格式），但这是Python并不知道这个外部格式到底是什么格式，decode方法可以传入一个参数，表示这个数据是什么编码。

得到Unicode对象后，就可以对字符串进行各种操作了。在完成操作，要把字符串输出到文件、网络、或者数据库的时候，就要根据需要再把Unicode转换成需要的目标编码了，这是就要用到encode方法了，将字符串编码成需要的格式。

http://effbot.org/zone/unicode-objects.htm