python - python 在计算机中如何存储字符串？

Question

我相信大多数熟悉 Python 的人都读过 Dive Into Python 3。在第 4.3 章中，它是这样说的:

In Python 3, all strings are sequences of Unicode characters. There is no such thing as a Python string encoded in UTF-8, or a Python string encoded as CP-1252. “Is this string UTF-8?” is an invalid question.

不知何故我明白了这是什么意思:strings = Unicode 集中的字符，Python 可以帮助你根据不同的编码方式对字符进行编码。但是，无论如何，Python 中的字符在计算机中都存储为字节吗？例如，s = 'strings'，并且 s 肯定作为字节流 '0100100101...' 或其他任何形式存储在我的计算机中。那么这里使用的这种编码方式是什么——Python的“默认”编码方式？

谢谢!

Answer 1

Python 3 区分文本 和二进制数据。文本保证是 Unicode，但据我所知，没有指定特定的编码。所以它可能是 UTF-8、UTF-16 或 UTF-32¹——但您甚至不会注意到。

这里的要点是:你根本不应该关心。如果你想处理文本，然后使用文本字符串并通过代码点访问它们(这是单个 Unicode 字符的编号并且独立于内部 UTF - 它可以将代码点组织成几个更小的代码单元).如果你想要字节，那么使用 b"" 并按字节访问它们。如果你想要一个特定编码的字节序列中的字符串，你可以使用 .encode()。

---

¹ 或者甚至是 UTF-9，如果有人疯狂到可以在 PDP-10 上实现 Python。