如何确定 Python 是使用 UCS-2 还是 UCS-4 编译的？答案

【问题标题】：How to find out if Python is compiled with UCS-2 or UCS-4?如何确定 Python 是使用 UCS-2 还是 UCS-4 编译的？
【发布时间】：2010-11-29 14:26:18
【问题描述】：

正如标题所说的那样。

$ ./configure --help | grep -i ucs
  --enable-unicode[=ucs[24]]

查了官方文档，发现是这样的：

sys.maxunicode：一个整数支持的最大代码点 Unicode 字符。这个的价值取决于配置选项指定是否为 Unicode 字符存储为 UCS-2 或 UCS-4。

这里不清楚的是 - 哪些值对应于 UCS-2 和 UCS-4。

该代码预计可在 Python 2.6+ 上运行。

【问题讨论】：

标签： python unicode ucs2

【解决方案1】：

使用 --enable-unicode=ucs4 构建时：

>>> import sys
>>> print sys.maxunicode
1114111

使用 --enable-unicode=ucs2 构建时：

>>> import sys
>>> print sys.maxunicode
65535

【讨论】：

对于 Python 3，这不再是普遍正确的。请参阅 docs.python.org/3.4/c-api/unicode.html: Since the implementation of PEP 393 in Python 3.3, Unicode objects internally use a variety of representations。 python.org/dev/peps/pep-0393
@Jan-PhilipGehrcke: deficient_unicode_build = (sys.maxunicode < 0x10ffff) 适用于任何 Python 版本（即使在 sys.maxunicode == 0x10ffff 处使用了灵活的内部表示）。灵活的表示可以像 ucs4 在以前的版本上一样获得正确的结果，同时在某些情况下使用的内存比 ucs4 少。

【解决方案2】：

UCS-2 为 0xFFFF（或 65535），UCS-4 为 0x10FFFF（或 1114111）：

Py_UNICODE
PyUnicode_GetMax(void)
{
#ifdef Py_UNICODE_WIDE
    return 0x10FFFF;
#else
    /* This is actually an illegal character, so it should
       not be passed to unichr. */
    return 0xFFFF;
#endif
}

UCS-4 模式下的最大字符由 UTF-16 可表示的最大值定义。

【讨论】：

请注意，此函数不用于在 python 3.3 之后实现 sys.maxunicode（即，截至本评论的所有 python 维护版本） - 它只涉及大小现在已弃用的Py_UNICODE typedef。 maxunicode 源自 SET_SYS_FROM_STRING("maxunicode", PyLong_FromLong(0x10FFFF));。

【解决方案3】：

我曾经遇到过同样的问题。我在我的 wiki 上为自己记录了它在

http://arcoleo.org/dsawiki/Wiki.jsp?page=Python%20UTF%20-%20UCS2%20or%20UCS4

我写了-

import sys
sys.maxunicode > 65536 and 'UCS4' or 'UCS2'

【讨论】：

对于任何想知道这是做什么的人：这是一种旧的 ('UCS4' if sys.maxunicode > 65536 else 'UCS2'。

【解决方案4】：

sysconfig会根据python的配置变量告诉unicode大小。

可以像这样查询构建标志。

Python 2.7：

import sysconfig
sysconfig.get_config_var('Py_UNICODE_SIZE')

Python 2.6：

import distutils
distutils.sysconfig.get_config_var('Py_UNICODE_SIZE')

【讨论】：

【解决方案5】：

我遇到了同样的问题，并找到了一段半官方的代码，它完全可以做到这一点，并且可能对遇到同样问题的人来说很有趣：https://bitbucket.org/pypa/wheel/src/cf4e2d98ecb1f168c50a6de496959b4a10c6b122/wheel/pep425tags.py?at=default&fileviewer=file-view-default#pep425tags.py-83:89。

它来自wheel项目，需要检查python是用ucs-2还是ucs-4编译的，因为它会改变生成的二进制文件的名称。

【讨论】：

【解决方案6】：

另一种方法是创建一个Unicode数组并查看itemsize：

import array
bytes_per_char = array.array('u').itemsize

引用自array docs：

'u' 类型码对应 Python 的 unicode 字符。在窄 Unicode 版本上，这是 2 字节，在宽版本上，这是 4 字节。

请注意，窄 Unicode 构建和宽 Unicode 构建之间的区别从 Python 3.3 开始被删除，请参阅PEP393。 array 的 'u' 类型代码自 3.3 起已弃用，并计划在 Python 4.0 中删除。

【讨论】：

【解决方案7】：

65535 是 UCS-2：

Thus code point U+0000 is encoded as the number 0, and U+FFFF is encoded as 65535 (which is FFFF16 in hexadecimal).

【讨论】：