Unicode编码，Python文档-为什么使用32位编码？

Question

我正在阅读Python文档中的UNICODE Howto。 写道

  

Unicode字符串是一系列代码点，它们是来自   0到0x10FFFF

这看起来代表一个代码点所需的最大位数为24（因为有6个十六进制字符，并且6 * 4 = 24）。

但是文档说明：

  

您可能想到的第一个编码是使用32位整数作为   代码单元

那是为什么？我想到的第一种编码是24位整数，而不是32位。

Answer 1

实际上，您只需要21。许多CPU本机使用32位寄存器，并且大多数语言都具有32位整数类型。

如果研究UTF-16和UTF-8编码，您会发现它们的算法分别使用两个16位代码单元和四个8位代码单元对一个21位代码点进行编码。

Answer 2

因为这是标准方式。 Python使用不同的“内部编码”，具体取决于字符串的内容：ASCII / ISO，UTF-16，UTF-32。 UTF-32是一种常用的表示形式（通常只是程序的内部表示形式），用于表示Unicode代码点。因此，Python无需使用其他编码（例如UTF-22），而是使用UTF-32表示形式。不同的接口也更容易。在空间上效率不高，但在字符串操作上效率更高。

注意：Python使用（很少使用）也替代范围来编码“错误”字节。因此，您需要超过10FFFF个代码点。

注意：颜色编码也具有类似的编码：8位* 3通道= 24位，但通常用32个整数表示（但这也有其他原因：仅是写操作，而不是总线上的2读+ 2写）。 32位更加容易和快速地处理。