Unicode é um catálogo de todos os símbolos criados pela humanidade, mas computadores precisam codificar esses símbolos para armazenamento. Isso cria problemas quando diferentes codificações são usadas sem cuidado em Python 2. Para evitar erros, é importante entender como Unicode é abstração e como diferentes codificações funcionam, além de usar várias técnicas como BOM e Accept-Charset para descobrir a codificação correta.

1. Matando (ou quase)
Unicode(De|En)codeErrors
No Python 2

2. Para acabar (ou quase) com os
erros é necessário
compreender o funcionamento

3. Unicode: catálogo com
todos os símbolos criados
pela humanidade

4. Unicode é uma
abstração

5. código numérico
símbolo

6. Computadores são
reais e não abstratos,
então...

7. Codificação / Encoding
(UCS, UTF, ISO, ...)

8. unicode.encode("utf-8") str
str.decode("utf-8") unicode
"abstrato" "real"
Internamente Python
usa: UCS-2 ou 4

9. Unicode é complicado

10. Codificações são
complicadas

11. Python + Unicode +
Codificações = CHAOS

12. Adivinhar a codificação:
impossível

13. Técnicas para descobrir
• Tentativa e erro
• BOM
• Accept-Charset
• <form accept-charset="???">
• Mais algumas outras...
• Use mais de uma abordagem

14. Leitura Recomendada
• http://www.python.org.br/wiki/
TudoSobrePythoneUnicode