网上目前有很多process_wiki,但本人下载后，运行总是遇到UnicodeEncodeError： 'gbk' codec can't encode… 所以就对相应代码进行了改进，忽略此类错误，在海量数据里面，丢掉几行数据没太大影响。

任何字符在unicode编码中都占用两个字节。而在一般编码方式中英文字符可以用一个字节表示，中文要用两个。这样英文字符在unicode编码中多占用了一个没有用的字节,这个没用字节就用0代替。如果unicode编码中字符的第一个字节是0那他就是英文字符。不是0他就可能是除了英文字符之外的很多种语言的文字，不仅仅是中文。 代码如下:View Code public bool CheckChinese(string str)        {            bool flag = fals