LEN（）与Unicode字符串

Question

如果我做的：

print "\xE2\x82\xAC" 
print len("€") 
print len(u"€") 

我得到：

€ 
3 
1 

但是，如果我做的：

print '\xf0\xa4\xad\xa2' 
print len("") 
print len(u"") 

我得到：

4 
2 

在第二个示例中，对于一个字符unicode字符串u“”，len（）函数返回2而不是1。

有人可以向我解释为什么会出现这种情况吗？

Answer 1

Python 2可以使用UTF-16作为unicode对象的内部编码（所谓的“窄”构建），这意味着被编码为两个代理：D852 DF62。在这种情况下，len返回的是UTF-16单元的数量，而不是实际的Unicode码点的数量。

Python 2中也可以与用于unicode（所谓的“宽”的构建）启用UTF-32，这意味着最unicode对象采取两倍存储器编译，但随后len(u'') == 1

Python 3中的str对象，因为3.3在ISO-8859-1，UTF-16和UTF-32之间切换需求，所以你永远不会遇到这个问题：len('') == 1。

str在Python 3.0到3.2是在Python 2