X86 进程内存中的Unicode字符串

处理unicode字符串时，内存中最首选的unicode字符串格式是什么？为什么

我正在通过生成一个可执行文件映像来实现一种编程语言。显然，工作编程语言实现需要处理字符串的协议

---

我考虑过使用动态数组作为字符串的基础，因为它们实现起来非常简单，对于短字符串也非常有效。以这种方式使用字符串时，我不知道字符的最佳格式。

UTF16是使用最广泛的格式

over的优点是，尽管不太紧凑，但每个字符都有一个2字节（16位）的恒定大小-只要不使用代理（当坚持使用2字节字符时，将调用编码）

在UTF8中，只有一小部分字符编码为1字节，其他字符编码为4字节。这使得字符处理不那么直接，更容易出错

---

当然，使用Unicode是首选，因为它能够处理国际字符。

C Python 2.x系列使用UTF-16和UCS-4，具体取决于平台/构建/等

从python dev了解在为python 3.0选择Unicode内部表示时的要求和权衡。虽然那里的内容比我简单描述的要多，但它包括：

• 讨论外部接口（恒定时间切片、有效实现.lower、.islower等）
• 外部要求（GTK采用UTF-8字符串，QT采用UTF-16和UCS-4字符串，Windows采用UT-16字符串等）
• 它指向Unicode数据的其他实现（例如QT）
• 它讨论了重要的用例（与外部接口密切相关）
• 等等

---

Unicode有1112064个有效代码点，因此。根据维基百科的说法，UTF-16的单块子集确实是不够的：“在Unicode 9.0中，一些现代的非拉丁亚洲、中东和非洲脚本不属于这个范围，大多数表情符号也不属于这个范围。”