CPython在内部将unicode字符串存储为utf-16或utf-32，具体取决于编译选项。在utf-16版本的Python字符串切片，迭代和len似乎可以处理代码单元，而不是代码点，因此多字节字符的行为很奇怪。
，例如，CPython 2.6上sys.maxunicode = 65535：
>>> char = u'\U0001D49E'
>>> len(char)
2
>>> char[0:1]
u'\uu835'
>>> char[1:2]
u'\udc9e'
根据Python文档，sys.maxunicode是“为Unicode字符提供最大支持代码点的整数。”
这是否意味着unicode操作无法保证在sys.maxunicode之外的代码点上工作？如果我想使用BMP之外的字符，我必须使用utf-32构建或编写我自己的可移植unicode操作吗？
答案 0 :(得分：3)
sys.maxunicode=65535以外的字符使用UTF-16代理进行内部存储。是的，你必须自己处理或使用广泛的构建。即使使用广泛的构建，您也可能必须处理由代码点组合表示的单个字符。例如：
>>> print('a\u0301')
á
>>> print('\xe1')
á
第一个使用组合重音字符而第二个不使用。两者都打印相同。您可以使用unicodedata.normalize转换表单。