Ubuntu 11.10:
$ python
Python 2.7.2+ (default, Oct 4 2011, 20:03:08)
[GCC 4.6.1] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> x = u'\U0001f44d'
>>> len(x)
1
>>> ord(x[0])
128077
Windows 7:
Python 2.7.2 (default, Jun 12 2011, 15:08:59) [MSC v.1500 32 bit (Intel)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> x = u'\U0001f44d'
>>> len(x)
2
>>> ord(x[0])
55357
我的 Ubuntu 体验是使用发行版中的默认解释器。对于 Windows 7，我下载并安装了从 python.org 链接的推荐版本。我自己都没有编译它们。
差异的本质对我来说很清楚。 (在 Ubuntu 上，字符串是代码点序列；在 Windows 7 上，字符串是 UTF-16 代码单元序列。)我的问题是:
- 为什么我会观察到这种行为差异？是解释器的构建方式，还是依赖的系统库不同？
- 有什么方法可以配置 Windows 7 解释器的行为以与 Ubuntu 解释器一致，我可以在 Eclipse PyDev 中完成(我的目标)？
- 如果我必须重建，是否有来自可靠来源的任何预构建的 Windows 7 解释器，其行为与上述 Ubuntu 相同？
- 除了仅在 Windows 上手动计算
unicode字符串中的代理(blech)之外，是否有任何解决此问题的方法？ - 这是否证明错误报告是合理的？是否有可能在 2.7 中解决此类错误报告？
最佳答案
在 Ubuntu 上，你有一个 "wide" Python build其中字符串是 UTF-32/UCS-4。不幸的是，这(还)不适用于 Windows。
Windows builds will be narrow for a while based on the fact that there have been few requests for wide characters, those requests are mostly from hard-core programmers with the ability to buy their own Python and Windows itself is strongly biased towards 16-bit characters.
Python 3.3 将有 flexible string representation ，其中您无需关心 Unicode 字符串是使用 16 位还是 32 位代码单元。
在那之前，您可以使用 UTF-16 字符串获取代码点
def code_points(text):
utf32 = text.encode('UTF-32LE')
return struct.unpack('<{}I'.format(len(utf32) // 4), utf32)
关于python - Python 2.7 中平台特定的 Unicode 语义，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/9934752/