淺析Python解析器解析全過程
首先先讓大家看一下Python解析器的全流程：我們先用編輯器編寫好源代碼，保存成文件。如果源代碼中有編碼聲明而且用的編輯器支持該語法，那么該文件就以相應的編碼方式保存在磁盤中。
注意： 編碼聲明和源文件的編碼不一定是一致的，你完全可以在編碼聲明中聲明編碼為UTF-8，但是用GB2312來保存源文件。當然，我們不可能自尋煩惱，故意寫錯，而且好的IDE也能強制保證兩者的一致性，但是，如果我們用記事本或者EditPlus等編輯器來編寫代碼的話，一不小心就會出現這種問題的。
得到一個.py文件后，我們就可以運行它了，這是，我們就把代碼交給Python解析器來完成解析工作。解析器讀入文件時，先解析文件中的編碼聲明，我們假設文件的編碼為gb2312，那么先將文件中的內容由gb2312轉換成Unicode，然后再把這些Unicode轉換為UTF-8格式的字節串。
（注：這里僅指源代碼即腳本代碼的純代碼轉換） 完成這一步驟后，解析器把這些UTF-8字節串分段，解析。如果遇到使用Unicode字符串（注：比如遇到 u'中國a我愛你'） ，那么就使用相應的UTF-8字節串創建Unicode字符串。
如果程序中使用的是一般的字符串，那么解析器先將UTF-8字節串通過Unicode轉換成相應編碼（這里就是gb2312編碼）的字節串（注：普通的，非unicode的，即ascii ），并用其創建一般的字符串對象。也就是說，Unicode字符串跟一般字符串在內存中的存放格式是不一樣的，前者使用UTF-8的格式，后者使用GB2312格式。
好了，內存中的字符串存放格式我們知道了，下面我們要了解print的工作方式。print其實只是負責把內存中相應的字節串交給操作系統，讓操作系統相應的程序（譬如cmd窗口）進行顯示。這里有兩種情況：
1、若字符串是一般的字符串，那么print只需把內存中相應的字節串推送給操作系統。如例子中的code 1。
2、如果字符串是Unicode字符串，那么print在推送之前先進行相應的encode：我們可以顯示使用Unicode的encode方法使用合適的編碼方式來編碼（例子中code 2）
否則Python使用默認的編碼方式進行編碼，也就是ASCII（例子中的code 3）。當然ASCII是不可能正確編碼中文的，因此Python報錯。至此，上面的三個問題我們已經可以解析***和第三個了。至于第二個問題，因為Python中有兩種字符串，一般字符串和Unicode字符串，兩者都有各自的字符處理方法。
對于前者，方法是以字節的方式進行的，而且在GB2312中，每個漢字占用兩個字節，因此得到的結果是5；對于后者，也就是 Unicode字符串，所有字符都是統一看待的，因此得到。
雖然上面只提到了控制臺程序的中文問題，但是文件讀寫以及網絡傳輸中出現的中文問題在原理上都是類似的。Unicode的出現可以很大程度上解決軟件的國際化問題，同時Python為Unicode提供了極為良好的支持，因此，我建議大家在編寫Python的程序時，都統一使用Unicode方式。
保存文件時使用UTF-8的編碼方式。How to Use UTF-8 with Python有詳細的描述，大家可以參考一下。Python中能導致出現中文問題的地方還很多，譬如文件的讀寫，網絡數據的傳輸等，希望大家能多多交流，共同解決這些問題。
回顧一下使用Python解析器的流程：首先，先用編輯器編寫好源代碼，保存成文件。如果源代碼中有編碼聲明而且用的編輯器支持該語法，那么該文件就以相應的編碼方式保存在磁盤中。注意：編碼聲明和源文件的編碼不一定是一致的，完全可以在編碼聲明中聲明編碼為UTF-8，但是用GB2312來保存源文件。
當然，這是自尋煩惱，而且好的IDE也應該保證兩者的一致性。但是，如果。用記事本或者EditPlus等編輯器來編寫代碼的話，可能就會出現這種問題的。得到一個.py文件后，可以運行它。這是把代碼交給Python解析器來完成解析工作。解析器讀入文件時，先解析文件中的編碼聲明，假設文件的編碼為gb2312。
那么先將文件中的內容由gb2312轉換成Unicode，然后再把這些Unicode轉換為UTF-8格式的字節串。完成這一步驟后，解析器把這些UTF-8字節串分段，解析。如果遇到使用Unicode字符串，那么就使用相應的UTF-8字節串創建Unicode字符串，如果程序中使用的是一般的字符串。
那么解析器先將UTF-8字節串通過Unicode轉換成相應編碼（這里就是gb2312編碼）的字節串，并用其創建一般的字符串對象。也就是說，Unicode字符串跟一般字符串在內存中的存放格式是不一樣的，前者使用UTF-8的格式，后者使用GB2312格式。
【編輯推薦】
