如何确认Python 3字符串变量内存中的编码格式

从各种教程中看到Python 3字符串存储是采用的unicode编码, 由于好奇, 想证实这一点, 如何才能看到Python 3字符串变量在内存中存储的16进制数据内容呢? 通过一番研究, 发现这个事情还比较麻烦.

很多网友可能说定义一个string变量, 然后使用encode函数转化一下,再打印出来不就行了么?

s = '中文'
print(s.encode('utf-8').hex())

打印结果是：e4b8ade69687，这是utf-8编码。

这其实并不是我想要的结果，我希望看到的是‘中文’这个变量在内存中存储的16进制值，而不是转化后的结果。

‘中文’两个字符的unicode编码是0x4E2D，0x6587。

如果说Python 3中字符串变量在内存中是以unicode存储的，我希望能看得到这两个数值。

修改下代码：

from ctypes import string_at
from sys import getsizeof
from binascii import hexlify

s = '中文'
#print(s.encode('utf-8').hex())
print(hexlify(string_at(id(s), getsizeof(s))))

再次打印，输出：b'04000000c876b06202000000508d7e81a8000000e4d89f040000000000000000020000002d4e87650000'

从输出内容中我们看到了0x4E2D，0x6587这两个数，也就证实了前面的结论。

至于输出的内容具体是什么呢？这需要查看PyStringObject类型的C语言结构定义，这个过程比较麻烦, 因为结构体是一层一层嵌套的，需要花些时间去梳理。

typedef struct {
PyObject_VAR_HEAD    # -->PyVarObject 
long ob_shash;
int ob_sstate;
char ob_sval[1];
} PyStringObject;

#define PyObject_VAR_HEAD      PyVarObject ob_base;