最近在用python爬豆瓣电影数据，一如既往的采用BeautifulSoup，遇到的问题很多。在爬数据时候，很多例外没考虑到，比如豆瓣上有的电影主页压根没用上映时间，用户名缺失等一系列例外。当我一个个修复这些bug后，信心满满以为可以结束工作，喝着咖啡，只需看着自己的小爬虫自己自动的爬取网页数据的时候，我发现我错了。当数据爬取下来的时候，就是写入文件的问题。中文字符竟然出现了无法写入？
因为之前，没怎么在python下往文件写入中文，没什么经验。在网上搜了一堆资料，才知道原因所在：编码问题。
在python 2.x系列中，有两种类型的字符串：str和unicode。因为涉及到中文问题，我把文件打开函数openfilename,'w'）换成：codecs.open(filename,'w','utf-8')，采用utf-8编码。同时在源文件头注明：#-*- coding: UTF-8 -*-。unicode编码类似这样的格式：u'\u6c49'，str类型的字符串编码类似：’\xe4\xbd\xa0\xe5\xa5\xbd‘(utf-8编码)。我直接把unicode编码的字符直接写入文件，发现没问题。但是str类型的字符却无法写入，所以对str类型的字符串还得先进行解码，转换成unicode编码：如s.decode('UTF-8')。通过以上修改后，中文字符写入成功。
另外，对于编码细节说明如下：
str和unicode都是basestring的子类。严格意义上说，str其实是字节串，它是unicode经过编码后的字节组成的序列。
模块codecs提供了一个open()方法，可以指定一个编码打开文件，使用这个方法打开的文件读取返回的将是unicode。写入时，如果参数是unicode，则使用open()时指定的编码进行编码后写入；如果是str，则先根据源代码文件声明的字符编码，解码成unicode后再进行前述操作。相对内置的open()来说，这个方法比较不容易在编码上出现问题。
函数 decode( char_set )可以实现 其它编码到 Unicode 的转换，函数 encode( char_set )实现 Unicode 到其它编码方式的转换。 比如 ("你好").decode( "GB2312") 将得到 u'\u4f60\u597d'，即 "你"和“好"的 Unicode 码分别是 0x4f60 和 0x597d。再用 (u'\u4f60\u597d').encode("UTF-8") 将得到 '\xe4\xbd\xa0\xe5\xa5\xbd'，它是 “你好”的UTF-8编码结果。
以上，是自己对python中文字符编码的一些总结。
--------------------------------------------------------------------------------------------------------------------------------------------------遇到问题，解决他，获得提升。
参考博文网址：
【1】http://www.2cto.com/kf/201203/124951.html
【2】http://www.cnblogs.com/huxi/archive/2010/12/05/1897271.html