unicode如何在Python内部表示？
Unicode字符串如何在Python的内存中表示？
例如，我可以将'abc'其视为内存中的等效ASCII字节。整数可以被认为是2的恭维表示。但是u'\u2049'，即使UTF-8以'\xe2\x81\x89'-3字节长的形式表示，如何可视化u'\u2049'内存中的文字代码点？
是否有特定的方式存储在内存中？Python 2和Python 3是否以不同方式对待它？
对于好奇的人来说，很少有相关的问题：
回答 1
Stack Overflow用户
发布于 2018-09-10 10:37:34
Python 2和Python 3.0-3.2使用UCS2 *或UCS4作为unicode字符，这意味着它将为每个字符使用2个字节或4个字节。选择哪一个是编译时选项。
\u2049然后表示为\x49\x20或者\x20\x49或者\x49\x20\x00\x00或者\x00\x00\x20\x49取决于系统的本机字节顺序以及是否选择了UCS2或UCS4。unicode字符串中的ASCII字符仍然每个字符使用2或4个字节。
Python 3.3切换到一个新的内部表示，使用表示字符串中所有字符所需的最紧凑的形式。拾取1个字节，2个字节或4个字节。ASCII和Latin-1文本每个字符仅使用1个字节，其余BMP字符需要2个字节，然后使用4个字节。
有关这些表示的完整低位，请参阅PEP-393：灵活字符串表示。
*从技术上讲，UCS-2版本使用UTF-16，因为非BMP字符使用UTF-16代理来编码为4字节（每个2个UTF-16字符）。但是，Python文档仍然将其称为UCS2。
这确实会导致意外行为，例如len()非BMP unicode字符串的长度超过包含的字符数。
https://stackoverflow.com/questions/-100006112
复制相似问题
腾讯云开发者
