len（）与unicode字符串

Question

如果我这样做：

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

我明白了：

€
3
1

但如果我这样做：

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

我明白了：

4
2

在第二个例子中，len（）函数为一个字符的unicode字符串u＆＃34;＆＃34;返回2而不是1。

有人可以向我解释为什么会这样吗？

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UTF-16单元的数量，而不是实际Unicode代码点的数量。

Python 2也可以使用为unicode启用的UTF-32进行编译（所谓的“宽”构建），这意味着大多数unicode对象占用的内存是原来的两倍，但是{{1} }

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

Python 3.0到3.2中的

len('') == 1与Python 2中的str相同。