Python / Django 中 Unicode 与 UTF-8 的混淆?
我在Django教程中看到了一段话，感觉有点困惑：
Django模型有一个默认的str()方法，它会调用unicode()，并把结果转换成UTF-8字节串。这意味着，unicode(p)会返回一个Unicode字符串，而str(p)会返回一个普通字符串，字符会以UTF-8格式编码。
现在我有点糊涂，因为据我所知，Unicode并不是某种特定的表示方式，那么在Python中“Unicode字符串”是什么意思呢？这是不是指UCS-2？我在网上搜索时发现了这个“Python Unicode教程”，里面明确说：
Unicode是一种两字节编码，涵盖了世界上所有常见的书写系统。
这显然是错误的，还是说其实没错？我曾经因为字符集和编码的问题感到困惑，但在这里我很确定我读到的文档是搞错了。有没有人知道在Python中，当我得到一个“Unicode字符串”时到底发生了什么？
5 个回答
Python把Unicode字符存储为UTF-16格式。使用str()函数时，它会返回这个UTF-16字符串的UTF-8表示形式。
同时，我做了一些深入的研究，想确认一下Python内部是怎么表示字符的，以及它的限制是什么。"Python中的Unicode真相"这篇文章非常好，里面直接引用了Python开发者的说法。显然，Python内部的字符表示要么是UCS-2，要么是UCS-4，这取决于编译时的设置。所以Jon，虽然这不是UTF-16，但你的回答让我找到了正确的方向，感谢你。
在Python中，什么是“Unicode字符串”？这是否意味着UCS-2？
在Python中，Unicode字符串的存储方式有两种：一种是UCS-2（固定长度的16位表示，几乎和UTF-16一样），另一种是UCS-4/UTF-32（固定长度的32位表示）。这其实是在编译时就决定的；在Windows系统上，它总是使用UTF-16，而很多Linux版本则会选择UTF-32（也叫“宽模式”）。
一般来说，你不需要太在意这些细节：你在字符串中看到的Unicode字符都是单独的元素，你根本不知道它们是用两个字节还是四个字节存储的。如果你在使用UTF-16版本的Python，而需要处理一些超出基本多语言平面的字符，那就说明你可能做错了，但这种情况很少见，真正需要这些额外字符的用户应该使用宽版本的Python。
这完全错了吗，还是有道理的？
是的，这确实是错的。公平地说，我觉得那个教程有点过时；它可能是在宽Unicode字符串出现之前写的，甚至可能在Unicode 3.1（引入了基本多语言平面之外的字符的版本）之前。
还有一个让人困惑的地方是，Windows习惯上把“Unicode”这个词特指NT内部使用的UTF-16LE编码。来自微软的人可能会经常沿用这种有点误导的说法。