我假设您想了解cpython(标准实现)。Python 2和Python 3.0-3.2对Unicode字符使用UCS2 *或UCS4,这意味着每个字符 将使用2个字节或4个字节。选择哪个是编译时选项。
\u2049
然后根据您系统的本机字节顺序以及是否选择了UCS2或UCS4将其表示为\x49\x20
or\x20\x49
或\x49\x20\x00\x00
or\x00\x00\x20\x49
或or。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使用表示字符串中所有字符所需的最紧凑形式,切换到新的内部表示形式。选择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,之后使用4个字节。
有关这些表示形式的完整介绍,请参阅PEP-393:灵活字符串表示 形式。
*从技术上讲,UCS-2构建使用UTF-16,因为非BMP字符使用UTF-16替代每个编码为4个字节(2个UTF-16字符)。但是,Python文档仍然将此称为UCS2。
这的确会导致意外行为,例如len()
非BMP Unicode字符串上的字符长于所包含的字符数。