假设ASCII
字符串:
string1 = 'Hello'
string2 = 'hello'
if string1.lower() == string2.lower():
print("The strings are the same (case insensitive)")
else:
print("The strings are NOT the same (case insensitive)")
不区分大小写的方式比较字符串似乎很简单,但事实并非如此。我将使用Python 3,因为Python 2在这里尚未开发。
首先要注意的是,用Unicode
删除大小写的转换并非易事。其中有一些文字text.lower() != text.upper().lower()
,例如"ß"
:
"ß".lower()
#>>> 'ß'
"ß".upper().lower()
#>>> 'ss'
但是,假设你想无休止地比较”BUSSE”和”Buße”。哎呀,你可能还想比较”BUSSE”和”BU?E”相等-这是较新的资本形式。推荐的方法是使用casefold:
海峡 折叠()
返回字符串的casefolded
副本。大小写折叠的字符串可用于无大小写的匹配。
大小写折叠类似于小写字母,但是更具攻击性,因为它旨在删除字符串中的所有大小写区别。[...]
不要只是使用lower
。如果casefold
不可用,则可以提供.upper().lower()
帮助(但只能有所帮助)。
然后,你应该考虑口音。如果你的字体渲染器不错,你可能会想"ê" == "e?"-
但事实并非如此:
"ê" == "e?"
#>>> False
这是因为后者的重音是组合字符。
import unicodedata
[unicodedata.name(char) for char in "ê"]
#>>> ['LATIN SMALL LETTER E WITH CIRCUMFLEX']
[unicodedata.name(char) for char in "e?"]
#>>> ['LATIN SMALL LETTER E', 'COMBINING CIRCUMFLEX ACCENT']
解决此问题的最简单方法是unicodedata.normalize。你可能想使用NFKD规范化,但请随时检查文档。然后一个
unicodedata.normalize("NFKD", "ê") == unicodedata.normalize("NFKD", "e?")
#>>> True
最后,这用函数表示:
import unicodedata
def normalize_caseless(text):
return unicodedata.normalize("NFKD", text.casefold())
def caseless_equal(left, right):
return normalize_caseless(left) == normalize_caseless(right)