先要弄清楚的是，在python裡，string object和unicode object是兩種不同的類型。
原文部落客--http://blog.csdn.net/feisan
string object是由characters組成的sequence，而unicode object是Unicode code units組成的sequence。
string裡的character是有多種編碼方式的，比如單位元組的ASCII，雙位元組的GB2312等等，再比如UTF-8。很明顯要想解讀string，必需知道string裡的character是用哪種編碼方式，然後才能進行。
Unicode code unit又是什麼東西呢？一個Unicode code unit是一個16-bit或者32-bit的數值，每個數值代表一個unicode符号。在python裡，16-bit的unicode，對應的是ucs2編碼。32-bit對應的是ucs4編碼。是不是感覺string裡character的編碼沒什麼差別？反正我現在腦子裡就是這樣一個印象：在Python裡，ucs2或者ucs4編碼的，我們叫做unicode object，其他編碼的我們就叫做string。
至于python裡的unicode到底是ucs2還是ucs4的，可以在編譯時指定。例如Linux下，要用ucs2做unicode的編碼，可以這樣
# ./configure --enable-unicode=ucs2
# make
# make install
下載下傳的Windows預編譯版本，一般都是ucs2的。要想知道某個python運作環境是ucs2還是ucs4，可以檢視sys.maxunicde，65535就是ucs2的，另一個很大的數值就是ucs4。
下面我們看看string和unicode在python裡的不同
我們先看看在簡體中文Windows 2003系統下，系統編碼是GBK
>>> a = '你好'
>>> a
'/xc4/xe3/xba/xc3'
>>> b = u'你好'
>>> b
u'/u4f60/u597d'
>>> print a
你好
>>> print b
你好
>>> a.__class__
<type 'str'>
>>> b.__class__
<type 'unicode'>
>>> len(a)
4
>>> len(b)
2
在一個系統編碼為UTF-8的Linux環境下
>>> a = '你好'
>>> a
'/xe4/xbd/xa0/xe5/xa5/xbd'
>>> b = u'你好'
>>> b
u'/u4f60/u597d'
>>> print a
你好
>>> print b
你好
>>> a.__class__
<type 'str'>
>>> b.__class__
<type 'unicode'>
>>> len(a)
6
>>> len(b)
2
如何？簡單總結一下：
1、string直接用引号來表示，unicode在引号前加一個u
2、直接輸入的string常量會用系統預設編碼方式來編碼，例如在GBK環境下，'你好'會編碼成'/xc4/xe3/xba/xc3'，而在UTF-8環境下就成了'/xe4/xbd/xa0/xe5/xa5/xbd'。
3、len(string)傳回string的位元組數，len(unicode)傳回的是字元數
4、很重要的一點，print unicode不會亂碼。現在我們常用的Linux、Windows系統，都是支援unicode的，版本太老的不算。比如Windows 2003支援ucs2，是以在中文Windows2003下，除了可以正常顯示預設的GBK編碼外，還可以正常顯示ucs2編碼。舉個例子，還是在中文Windows 2003的GBK環境下：
>>>a = '/xe4/xbd/xa0/xe5/xa5/xbd' # UTF-8的'你好'
>>> print a
浣犲ソ
>>> b = unicode(a, "UTF-8")
>>> b
u'/u4f60/u597d'
>>> print b
你好
應該明白了吧？
下面再說說string和unicode的互相轉換，什麼unicode()、decode()、encode()、codecs之類的。
繼續。
先說一下，前面提到，print(string)的時候，如果string是按目前環境編碼方式編碼的，可以正常輸出，不會亂碼；如果string不是目前編碼的，就會亂碼。而print(unicode)是不會亂碼的。why？應為print(unicode)的時候，會把unicode先轉成目前編碼，然後再輸出。我沒看過print的源碼，不過估計是這樣的。
string轉unicode或者unicode轉string，是很常見的操作。
string和unicode都有decode()和encode()方法。decode是string2unicode，encode自然就是unicode2string。看個例子（中文Windows2003下）：
>>> a = '你好'
>>> a
'/xc4/xe3/xba/xc3'
>>> b = u'你好'
>>> c = a.decode('gbk') #gbk string to unicode
>>> b == c
True
>>> c
u'/u4f60/u597d'
>>> d = b.encode('gbk') #unicode to gbk string
>>> d == a
True
>>> d
'/xc4/xe3/xba/xc3'
>>> e = b.encode('utf-8') #unicode to utf-8 string
>>> e
'/xe4/xbd/xa0/xe5/xa5/xbd'
decode或者encode的時候，如果不指定編碼方式，會按照預設編碼方式來處理。檢視、設定預設編碼方式可以這樣做：
>>> import sys
>>> sys.getdefaultencoding()
'ascii'
>>> reload(sys)
<module 'sys' (built-in)>
>>> sys.setdefaultencoding('gbk')
上面調用sys.setdefaultencoding()的時候先reload一下sys module，原因是python啟動時預設會import site.py, 而site.py會del sys.setdefaultencoding()，是以需要reload(sys)。具體可以看看site.py的源碼。
接下來說說unicode()函數。其實unicode函數就是調用string的decode()方法，把string轉成unicode，例如：
>>> a = '你好'
>>> b = unicode(a)
>>> b
u'/u4f60/u597d'
>>> c = a.decode('gbk')
>>> c
u'/u4f60/u597d'
>>> print b, c, b==c
你好 你好 True
下一部分說說codec
最後說說關于codecs。所謂的codec就是編碼器和解碼器(encoder and decoder)的集合。除了各種字元串編碼的codec，還有各種檔案格式的codec，比如壓縮、解壓縮的，圖像的，音頻的，等等。我們這裡說的當然是跟字元串編碼相關的了。
看看代碼
>>> import codecs
>>> gbk=codecs.lookup('gbk')
>>> gbk
<codecs.CodecInfo object for encoding gbk at 0xad3ea0>
>>> gbk.decode("你好")
(u'/u4f60/u597d', 4)
>>> gbk.encode(u'/u4f60/u597d')
('/xc4/xe3/xba/xc3', 2)