1、如果不聲明編碼，則中文會報錯，即使是註釋也會報錯。只要寫中文，必須加一句：# -- coding:utf-8 --。原因：答案在PEP-0263裡面有所提及，那就是Emacs等編輯器使用這種方式進行編碼聲明。 2、文檔編碼是一種告訴程式——無論是電腦的操作系統還是Python 代碼——讀取文檔 ...
1、如果不聲明編碼，則中文會報錯，即使是註釋也會報錯。只要寫中文，必須加一句：# -- coding:utf-8 --。原因：答案在PEP-0263裡面有所提及，那就是Emacs等編輯器使用這種方式進行編碼聲明。
2、文檔編碼是一種告訴程式——無論是電腦的操作系統還是Python 代碼——讀取文檔的規則。正確讀取一個文檔，往往需要先知道文件的擴展名，因為編碼方式往往與擴展名有很大的關係。
3、(1)純文本文檔的獲取與處理：直接用urlopen讀取後，用read()函數獲取文本內容即可。純文本頁面不要轉換成BeautifulSoup對象，因為無法解析，會被認為是一堆字元串，只能用字元串的操作方法來解析。
(2)CSV文檔、PDF文檔等非純文本文檔的讀取方式：直接通過文檔獲取鏈接以字元串的方式讀取文檔——通過io庫的StringIO函數將字元串轉換為StringIO對象——通過CSV庫或PDF庫將StringIO對象讀取為相應格式的文檔，
4、編碼類型：
(1)UTF-8：統一字元集-轉換格式8位。它的開頭有標記指示字元占了用了多少個位元組來表示，一個字元最多有四個位元組。
(2)ASCII：每個字元7位，用來表示中文會不夠用，但是英文夠用了。
(3)UtF-8和ASCII的結合：首位為0，即只包含一個位元組的UTF-8字元和ASCII通用，因為相當於只用到了7位。但首位為1的兩位元組UTF-8字元不通用。
(4)ISO編碼：解決非英文非中文語言文檔太大的問題，比如土耳其語沒有那麼多字元，又不能用單純的ASCII。因此使用ASCII的首位來做特殊化，可以針對不同的語言生成不同的規則。
5、在用Python讀網頁或文檔時，最好統一將獲取的內容統一轉換成UTF-8編碼。獲取國際站的內容時，最好先看看網站metasharset信息中所指示的編碼方式後再確定選擇哪種編碼方式。
6、Encode和Decode：
字元串在Python內部的表示是unicode編碼，因此，在做編碼轉換時，通常需要以unicode作為中間編碼，即先將其他編碼的字元串解碼（decode）成unicode，再從unicode編碼（encode）成另一種編碼。
decode的作用是將其他編碼的字元串轉換成unicode編碼，如str1.decode(‘gb2312’)，表示將gb2312編碼的字元串str1轉換成unicode編碼。
encode的作用是將unicode編碼轉換成其他編碼的字元串，如str2.encode(‘gb2312’)，表示將unicode編碼的字元串str2轉換成gb2312編碼。
因此，轉碼的時候一定要先搞明白，字元串str是什麼編碼，然後decode成unicode，然後再encode成其他編碼
