如何在Python中进行不区分大小写的字符串比较?
我想以一种非常简单和Pythonic的方式将常规字符串的比较封装到存储库字符串中。我还希望能够使用常规python字符串在字符串中查找值。
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)")
如果您有包含字符串的列表,并且您希望将不同列表中的字符串与不区分大小写进行比较。这是我的解决方案。
list1 = map(lambda each:each.lower(), list1)
list2 = map(lambda each:each.lower(), list2)
完成后,您可以轻松地进行字符串比较。
我已经用它来完成比较两个字符串更有用的东西:
def strings_iequal(first, second):
try:
return first.upper() == second.upper()
except AttributeError:
if not first:
if not second:
return True
更新:如gerrit所述,这个答案有一些错误。这是多年前的事了,我不再记得我用它了。我记得写过测试,但他们现在有什么好处!
以不区分大小写的方式比较字符串似乎是微不足道的,但事实并非如此。我将使用Python 3,因为Python 2在这里不发达。
首先要注意的是,在unicode中删除大小写的转换并非易事。有text.lower() != text.upper().lower()
的文字,例如"ß"
:
"ß".lower()
#>>> 'ß'
"ß".upper().lower()
#>>> 'ss'
但是,让我们说你想无比地比较"BUSSE"
和"Buße"
。哎呀,你可能也想比较"BUSSE"
和"BUẞE"
相等 - 这是更新的资本形式。推荐的方法是使用casefold
:
help(str.casefold)
#>>> Help on method_descriptor:
#>>>
#>>> casefold(...)
#>>> S.casefold() -> str
#>>>
#>>> Return a version of S suitable for caseless comparisons.
#>>>
不要只使用lower
。如果casefold
不可用,做.upper().lower()
有帮助(但只是有点)。
那你应该考虑口音。如果你的字体渲染器很好,你可能会认为"ê" == "ê"
- 但它没有:
"ê" == "ê"
#>>> False
这是因为它们实际上是
import unicodedata
[unicodedata.name(char) for char in "ê"]
#>>> ['LATIN SMALL LETTER E WITH CIRCUMFLEX']
[unicodedata.name(char) for char in "ê"]
#>>> ['LATIN SMALL LETTER E', 'COMBINING CIRCUMFLEX ACCENT']
解决这个问题最简单的方法是unicodedata.normalize
。您可能想要使用NFKD规范化,但请随时查看文档。然后一个人
unicodedata.normalize("NFKD", "ê") == unicodedata.normalize("NFKD", "ê")
#>>> True
最后,这里用函数表示:
import unicodedata
def normalize_caseless(text):
return unicodedata.normalize("NFKD", text.casefold())
def caseless_equal(left, right):
return normalize_caseless(left) == normalize_caseless(right)
使用Python 2,在每个字符串或Unicode对象上调用.lower()
...
string1.lower() == string2.lower()
......大部分时间都会工作,但确实不适用于situations @tchrist has described。
假设我们有一个名为unicode.txt
的文件,其中包含两个字符串Σίσυφος
和ΣΊΣΥΦΟΣ
。使用Python 2:
>>> utf8_bytes = open("unicode.txt", 'r').read()
>>> print repr(utf8_bytes)
'\xce\xa3\xce\xaf\xcf\x83\xcf\x85\xcf\x86\xce\xbf\xcf\x82\n\xce\xa3\xce\x8a\xce\xa3\xce\xa5\xce\xa6\xce\x9f\xce\xa3\n'
>>> u = utf8_bytes.decode('utf8')
>>> print u
Σίσυφος
ΣΊΣΥΦΟΣ
>>> first, second = u.splitlines()
>>> print first.lower()
σίσυφος
>>> print second.lower()
σίσυφοσ
>>> first.lower() == second.lower()
False
>>> first.upper() == second.upper()
True
Σ字符有两个小写形式,ζ和σ,而.lower()
无法比较它们不区分大小写。
但是,从Python 3开始,所有三种形式都将解析为ς,并且在两个字符串上调用lower()将正常工作:
>>> s = open('unicode.txt', encoding='utf8').read()
>>> print(s)
Σίσυφος
ΣΊΣΥΦΟΣ
>>> first, second = s.splitlines()
>>> print(first.lower())
σίσυφος
>>> print(second.lower())
σίσυφος
>>> first.lower() == second.lower()
True
>>> first.upper() == second.upper()
True
因此,如果您关注像希腊语中的三个sigma这样的边缘情况,请使用Python 3。
(作为参考,Python 2.7.3和Python 3.3.0b1显示在上面的解释器打印输出中。)
Section 3.13 of the Unicode standard定义了无壳匹配的算法。
Python 3中的X.casefold() == Y.casefold()
实现了“默认无壳匹配”(D144)。
Casefolding不保留所有实例中字符串的规范化,因此需要进行规范化('å'
vs.'å'
)。 D145引入了“规范无壳匹配”:
import unicodedata
def NFD(text):
return unicodedata.normalize('NFD', text)
def canonical_caseless(text):
return NFD(NFD(text).casefold())
对于非常罕见的涉及U + 0345字符的边缘情况,NFD()
被调用两次。
例:
>>> 'å'.casefold() == 'å'.casefold()
False
>>> canonical_caseless('å') == canonical_caseless('å')
True
对于诸如'㎒'
(U + 3392)和“标识符无壳匹配”之类的情况,还有兼容性无情匹配(D146),以简化和优化caseless matching of identifiers。
import re
if re.search('mandy', 'Mandy Pande', re.IGNORECASE):
# is True
它适用于重音
In [42]: if re.search("ê","ê", re.IGNORECASE):
....: print(1)
....:
1
但是,它不适用于不区分大小写的unicode字符。谢谢你@Rhymoid指出,因为我的理解是它需要精确的符号,因为情况是真的。输出如下:
In [36]: "ß".lower()
Out[36]: 'ß'
In [37]: "ß".upper()
Out[37]: 'SS'
In [38]: "ß".upper().lower()
Out[38]: 'ss'
In [39]: if re.search("ß","ßß", re.IGNORECASE):
....: print(1)
....:
1
In [40]: if re.search("SS","ßß", re.IGNORECASE):
....: print(1)
....:
In [41]: if re.search("ß","SS", re.IGNORECASE):
....: print(1)
....:
通常的方法是将字符串大写或小写它们以进行查找和比较。例如:
>>> "hello".upper() == "HELLO".upper()
True
>>>
如何先转换为小写?你可以使用string.lower()
。
这是我在上周学会爱/恨的另一个正则表达式,所以通常导入(在这种情况下是肯定的)反映我的感觉的东西!做一个正常的功能....请求输入,然后使用.... something = re.compile(r'foo * | spam *',yes.I)...... re.I(是的.I)下面)与IGNORECASE相同,但你不能写出多少错误!
然后,您使用正则表达式搜索您的邮件,但老实说,它应该是自己的几页,但关键是foo或垃圾邮件一起管道,并忽略大小写。然后如果找到任何一个,那么lost_n_found将显示其中一个。如果两者都没有,则lost_n_found等于None。如果它不等于none,则使用“return lost_n_found.lower()”返回小写的user_input
这使您可以更轻松地匹配任何区分大小写的内容。最后(NCS)代表“没人关心......!”或者不区分大小写....无论哪个
如果有人有任何问题让我这个..
import re as yes
def bar_or_spam():
message = raw_input("\nEnter FoO for BaR or SpaM for EgGs (NCS): ")
message_in_coconut = yes.compile(r'foo*|spam*', yes.I)
lost_n_found = message_in_coconut.search(message).group()
if lost_n_found != None:
return lost_n_found.lower()
else:
print ("Make tea not love")
return
whatz_for_breakfast = bar_or_spam()
if whatz_for_breakfast == foo:
print ("BaR")
elif whatz_for_breakfast == spam:
print ("EgGs")
def insenStringCompare(s1, s2):
""" Method that takes two strings and returns True or False, based
on if they are equal, regardless of case."""
try:
return s1.lower() == s2.lower()
except AttributeError:
print "Please only pass strings into this method."
print "You passed a %s and %s" % (s1.__class__, s2.__class__)