关于乱码的问题，遇到过很多次。尤其是在linux下……要是UTF能一统天下就好了。
以前也碰到过不少的文件名GBK乱码问题，曾经用python写过一个脚本解决，但是今天下了个ZIP的DOS游戏合集，却碰到挺多的问题。
于是又看了看PYTHON中编码的问题（看了又忘）。
我的程序中基本上都是清一色的#coding=utf-8。但是在写入XML的时候，又会遇到UTF的问题。
>>> u = "你好"
>>> u
\'\xe4\xbd\xa0\xe5\xa5\xbd\'
>>> i = u"我好"
>>> i
u\'\u6211\u597d\'
>>> type(i)
<type \'unicode\'>
>>> type(u)
<type \'str\'>
可以看出str和unicode是不一样的
>>> i.encode(\'utf8\')
\'\xe6\x88\x91\xe5\xa5\xbd\'
>>> print i.encode(\'utf8\')
我好
>>> print type(i.encode(\'utf8\'))
<type \'str\'>
搜到的信息是unicode似乎是字符串在计算机中的表示，跟编码无关。
我的理解是：在计算机中，那个字就是那个字，不管他是GBK还是UTF得来的；就好像我的脑子里面有只狗（unicode），他长的就是那样的──至于究竟是哪样的，你不是我，所以你不知道。而我如果要把它表示出来，那么我就要用各种方法，比如用GBK的铅笔画法，或者UTF的油画画法，这样，我脑子里那支unicode的狗就变成了存在于纸上（硬盘）上的那只狗。
而如果某一个人，它只能看懂油画（linux），当它碰到我用铅笔画的狗的时候，那么就产生了乱码。
这个时候，如果叫一个看得懂铅笔画的人（编码程序），先把那支铅笔画的狗，在脑子里面表示出来，再用UTF油画法把它画出来，这样先前那个人（linux），就可以明白了。
所以，当我遇到文件名编码错误的时候，就用这种思维方式来解决：
# 下面的例子中，u是乱码（gbk）
>>> u
\'\xd3\xa2\xd0\xdb\xb4\xab\xcb\xb54\xd6\xec\xba\xec\xd1\xa9\'
>>> print u
Ӣ�۴�˵4����ѩ
# u是铅笔画
>>> tu = u.decode(\'gbk\')
>>> tu
u\'\u82f1\u96c4\u4f20\u8bf44\u6731\u7ea2\u96ea\'
# tu已经是脑子里想的那个东西了
>>> ttu = tu.encode(\'utf8\')
>>> ttu
\'\xe8\x8b\xb1\xe9\x9b\x84\xe4\xbc\xa0\xe8\xaf\xb44\xe6\x9c\xb1\xe7\xba\xa2\xe9\x9b\xaa\'
>>> print ttu
英雄传说4朱红雪
>>> print type(ttu)
<type \'str\'>
# u = u.decode(\'gbk\').encode(\'utf8\')
看起来是件很简单的事情啊，可是今天又碰到点小问题
\'gbk\' codec can\'t decode bytes in position xx
有点不明白，google了一下，发现有先人解决了，不用看英文资料啊，哈哈。
http://blog.donews.com/maverick/archive/2006/07/19/969198.aspx
原来是因为原来文件名编码乱的原因。
问题解决。
以前也碰到过不少的文件名GBK乱码问题，曾经用python写过一个脚本解决，但是今天下了个ZIP的DOS游戏合集，却碰到挺多的问题。
于是又看了看PYTHON中编码的问题（看了又忘）。
我的程序中基本上都是清一色的#coding=utf-8。但是在写入XML的时候，又会遇到UTF的问题。
>>> u = "你好"
>>> u
\'\xe4\xbd\xa0\xe5\xa5\xbd\'
>>> i = u"我好"
>>> i
u\'\u6211\u597d\'
>>> type(i)
<type \'unicode\'>
>>> type(u)
<type \'str\'>
可以看出str和unicode是不一样的
>>> i.encode(\'utf8\')
\'\xe6\x88\x91\xe5\xa5\xbd\'
>>> print i.encode(\'utf8\')
我好
>>> print type(i.encode(\'utf8\'))
<type \'str\'>
搜到的信息是unicode似乎是字符串在计算机中的表示，跟编码无关。
我的理解是：在计算机中，那个字就是那个字，不管他是GBK还是UTF得来的；就好像我的脑子里面有只狗（unicode），他长的就是那样的──至于究竟是哪样的，你不是我，所以你不知道。而我如果要把它表示出来，那么我就要用各种方法，比如用GBK的铅笔画法，或者UTF的油画画法，这样，我脑子里那支unicode的狗就变成了存在于纸上（硬盘）上的那只狗。
而如果某一个人，它只能看懂油画（linux），当它碰到我用铅笔画的狗的时候，那么就产生了乱码。
这个时候，如果叫一个看得懂铅笔画的人（编码程序），先把那支铅笔画的狗，在脑子里面表示出来，再用UTF油画法把它画出来，这样先前那个人（linux），就可以明白了。
所以，当我遇到文件名编码错误的时候，就用这种思维方式来解决：
# 下面的例子中，u是乱码（gbk）
>>> u
\'\xd3\xa2\xd0\xdb\xb4\xab\xcb\xb54\xd6\xec\xba\xec\xd1\xa9\'
>>> print u
Ӣ�۴�˵4����ѩ
# u是铅笔画
>>> tu = u.decode(\'gbk\')
>>> tu
u\'\u82f1\u96c4\u4f20\u8bf44\u6731\u7ea2\u96ea\'
# tu已经是脑子里想的那个东西了
>>> ttu = tu.encode(\'utf8\')
>>> ttu
\'\xe8\x8b\xb1\xe9\x9b\x84\xe4\xbc\xa0\xe8\xaf\xb44\xe6\x9c\xb1\xe7\xba\xa2\xe9\x9b\xaa\'
>>> print ttu
英雄传说4朱红雪
>>> print type(ttu)
<type \'str\'>
# u = u.decode(\'gbk\').encode(\'utf8\')
看起来是件很简单的事情啊，可是今天又碰到点小问题
\'gbk\' codec can\'t decode bytes in position xx
有点不明白，google了一下，发现有先人解决了，不用看英文资料啊，哈哈。
http://blog.donews.com/maverick/archive/2006/07/19/969198.aspx
原来是因为原来文件名编码乱的原因。
问题解决。