如何将字符串存储为“Unicode码位序列”？

Question

我试图理解python3中的字符串表示。我在网站上看到了各种解释，从marklutz的《学习python》一书中可以看出，在python3中，str对象存储为Unicode代码点。引用这本书，“非Unicode代码序列是8位字节的序列，尽可能使用ASCII字符打印，Unicode字符串是Unicode代码点的序列”。你知道吗

我理解上面引述的第一部分，但我不太理解第二部分。如何将字符序列（例如在控制台中键入S='spam'时）存储为'Unicode码位'？你知道吗

我相信代码点只是与字符相对应的数字，但是从这个数字到二进制表示的实际编码取决于您选择使用的系统，例如utf-8或utf-32。如果这是真的（如果不是请纠正我！），则为了将变量S保存到内存中，计算机必须在某个时刻将“垃圾邮件”转换为某些字节序列。所以我把一些字符转换成二进制，这是编码的一种形式？我看过另一篇文章，其中解释了python不做自己的编码。你知道吗

我不明白我的变量S怎么能不经过某种形式的编码就保存到内存中（不仅仅是像书中解释的那样把数据存储为代码点）？你知道吗

提前谢谢。你知道吗

Answer 1

你的引用没有提到任何关于Unicode字符串在内存中的表示。它说“Unicode字符串是Unicode码点的序列”，而不是“存储为”。你知道吗

此引号是对Unicode字符串含义的描述，而不是其内存表示形式。Python有许多内部表示Unicode字符串的方法，包括ASCII、UTF-8和UTF-32。它甚至可以在同一个string对象中存储多个表示形式；特别是，PyUnicode_AsUTF8AndSize将导致字符串存储辅助UTF-8表示形式，除非该字符串是ASCII（它已经是有效的UTF-8），并且字符串还可以存储wchar\t表示形式。你知道吗

所有内存表示都是实现细节，可能会发生更改。如果您想查看内部表示，请查看^{}