Unicode 标识符中的下标和上标，为什么 Python 会考虑 XU == Xu == Xu?

Question

Python 允许 unicode 标识符。 我定义了Xᵘ = 42，期望XU和Xᵤ导致NameError。 但实际上，当我定义Xᵘ时，Python(默默地？)将Xᵘ变成了Xu，这让我觉得有点不python的事情。 为什么会这样？

>>> Xᵘ = 42
>>> print((Xu, Xᵘ, Xᵤ))
(42, 42, 42)

Answer 1

Python 将所有标识符转换为其 NFKC 范式;从参考文档的标识符部分：

解析时，所有标识符都转换为正常形式的NFKC;标识符的比较基于NFKC。

超级和下标字符的NFKC形式都是小写u：

>>> import unicodedata
>>> unicodedata.normalize('NFKC', 'Xᵘ Xᵤ')
'Xu Xu'

所以最后，你所拥有的只是一个标识符，Xu：

>>> import dis
>>> dis.dis(compile('Xᵘ = 42nprint((Xu, Xᵘ, Xᵤ))', '', 'exec'))
1           0 LOAD_CONST               0 (42)
2 STORE_NAME               0 (Xu)
2           4 LOAD_NAME                1 (print)
6 LOAD_NAME                0 (Xu)
8 LOAD_NAME                0 (Xu)
10 LOAD_NAME                0 (Xu)
12 BUILD_TUPLE              3
14 CALL_FUNCTION            1
16 POP_TOP
18 LOAD_CONST               1 (None)
20 RETURN_VALUE

上面对编译字节码的反汇编表明标识符在编译过程中已被规范化;这发生在解析过程中，任何标识符在创建编译器用于生成字节码的 AST(抽象解析树)时都会被规范化。

标识符被规范化以避免许多潜在的"相似"错误，否则您最终可能会同时使用find()(使用U+FB01 拉丁小连字 FI字符，后跟 ASCIInd字符)和find()并想知道为什么您的代码有错误。

Answer 2

Python，从3.0版本开始，支持非ASCII标识符。解析时，标识符使用 NFKC 规范化进行转换，规范化值相同的任何标识符都被视为相同的标识符。

有关更多详细信息，请参阅 PEP 3131。 https://www.python.org/dev/peps/pep-3131/