Python的字符串是Unicode字符。

Question

Python 3中的Unicode字符指的是什么？

自Python 3.0版本起，该语言提供了一个str类型，其包含Unicode字符，这意味着使用“unicode rocks！”，'unicode rocks！'或三引号语法创建的任何字符串都以Unicode形式存储。

以上为Python文档内容。

对于字符串abc，Python是否在内存中保存了[61, 62, 63]？ （因为a是U+0061）

Unicode字符是否表示Unicode码点？

- eugene

---

@hop 因为它改变了你处理字符串的方式。 - Konrad Rudolph

@KonradRudolph：怎么了？字符串在内存中的存储方式是对用户隐藏的，这样你就不需要知道它们的存储方式才能使用字符串。实际上，字符串在内部的存储方式取决于具体的实现，即使是CPython，在编译时也可能会有所不同。 - user3850

@hop问题是text[index]是否保证返回一个码点，还是可能返回代理对的一半。 - Konrad Rudolph

@eugene：如果你只是“好奇”，你应该首先更好地理解Unicode和编码是什么。之后，这个问题将会变得微不足道。我投票关闭。 - user3850

@KonradRudolph：1）你是怎么从OP的问题中解析出来的。2）问题中引用的文档明确提到“Unicode字符”。3）你的问题预设了一种特定的编码（即UTF-16），这并不相关，也可能不是实际使用的编码。 - user3850

Answer 1

“Unicode字符”是指“Unicode码点”吗？

有时是，有时不是。这取决于Python的版本和构建方式。

在2.2到3.2版本之间的Python中，同时支持窄字符和宽字符的Unicode构建（参见PEP-261）。在窄字符构建中，Unicode范围仅限于BMP。

Python 3.2.6 (default, Feb 21 2016, 12:42:00)
[GCC 5.3.0] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> sys.maxunicode
65535

因此，超出此范围的字符必须表示为代理对：

>>> s = ''
>>> ord(s)
128556
>>> len(s)
2

随着PEP-0393的引入，Python3不再支持窄构建，因此一个字符始终等同于一个代码点：

Python 3.5.1 (default, Mar 3 2016, 09:29:07)
[GCC 5.3.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> sys.maxunicode
1114111
>>> s = ''
>>> ord(s)
128556
>>> len(s)
1

- ekhumoro