ฉันจะทำการเปรียบเทียบสตริงตัวพิมพ์เล็กและตัวพิมพ์ใหญ่ได้อย่างไร?

ฉันจะทำการเปรียบเทียบสตริงที่ไม่สนใจขนาดตัวพิมพ์ใน Python ได้อย่างไร?

ฉันต้องการสรุปการเปรียบเทียบสตริงปกติกับสตริงที่เก็บข้อมูลโดยใช้วิธีที่ง่ายและ Pythonic ฉันอยากจะมีความสามารถในการค้นหาค่าใน dict hashed โดยสายโดยใช้สายหลามปกติ

สมมติว่าสตริง ASCII:

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)")

การเปรียบเทียบสตริงในกรณีที่ไม่มีความรู้สึกนั้นดูเล็กน้อย แต่ไม่ใช่ ฉันจะใช้ Python 3 เนื่องจาก Python 2 อยู่ระหว่างการพัฒนาที่นี่

สิ่งแรกที่ควรทราบก็คือการแปลงการลบขนาดตัวอักษรใน Unicode นั้นไม่สำคัญ มีข้อความที่ต้องการtext.lower() != text.upper().lower()เช่น"ß":

"ß".lower()
#>>> 'ß'

"ß".upper().lower()
#>>> 'ss'

แต่สมมติว่าคุณต้องการที่จะเปรียบเทียบ caselessly และ"BUSSE" "Buße"เฮคคุณอาจต้องการเปรียบเทียบ"BUSSE"และ"BUẞE"เท่ากันนั่นคือรูปแบบเงินทุนใหม่กว่า วิธีที่แนะนำคือการใช้casefold:

STR เคส ()

ส่งคืนสำเนาของสตริง สตริงตัวพิมพ์เล็กอาจใช้สำหรับการจับคู่แบบไม่เป็นชุด

Casefolding คล้ายกับตัวพิมพ์เล็ก แต่มีความดุดันมากกว่าเนื่องจากมีจุดประสงค์เพื่อลบความแตกต่างของตัวอักษรทั้งหมดในสตริง [ ... ]

lowerไม่เพียงแค่ใช้ หากcasefoldไม่พร้อมใช้งาน.upper().lower()ให้ความช่วยเหลือ (แต่เพียงบางส่วนเท่านั้น)

จากนั้นคุณควรพิจารณาสำเนียง หากตัวแสดงแบบอักษรของคุณดีคุณอาจคิดว่า"ê" == "ê"- แต่มันไม่:

"ê" == "ê"
#>>> False

นี่เป็นเพราะสำเนียงหลังคือตัวละครที่รวมกัน

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']

unicodedata.normalizeวิธีที่ง่ายที่สุดที่จะจัดการกับเรื่องนี้คือ คุณอาจต้องการใช้การทำให้เป็นมาตรฐานของNFKDแต่คุณสามารถตรวจสอบเอกสารได้ ถ้าอย่างนั้นก็ทำได้

unicodedata.normalize("NFKD", "ê") == unicodedata.normalize("NFKD", "ê")
#>>> True

เพื่อให้เสร็จสมบูรณ์นี่คือสิ่งที่แสดงในฟังก์ชั่น:

import unicodedata

def normalize_caseless(text):
    return unicodedata.normalize("NFKD", text.casefold())

def caseless_equal(left, right):
    return normalize_caseless(left) == normalize_caseless(right)

ใช้ Python 2 เรียก.lower()ใช้แต่ละสตริงหรือวัตถุ Unicode ...

string1.lower() == string2.lower()

... จะทำงานมากที่สุดของเวลา แต่แน่นอนไม่ได้ทำงานในสถานการณ์ @tchrist ได้อธิบาย

สมมติว่าเรามีไฟล์ที่เรียกว่าunicode.txtมีสองสายและΣίσυφος ΣΊΣΥΦΟΣด้วย 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

อักขระ has มีรูปแบบตัวพิมพ์เล็กสองแบบคือςและσและ.lower()จะไม่ช่วยเปรียบเทียบรูปแบบตัวพิมพ์ใหญ่ - เล็ก

อย่างไรก็ตามใน Python 3 ทั้งสามรูปแบบจะแก้ไขเป็นςและการเรียก lower () บนทั้งสองสายจะทำงานอย่างถูกต้อง:

>>> 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

ดังนั้นถ้าคุณสนใจกรณีขอบเหมือนสามซิกมาสในภาษากรีกให้ใช้ Python 3

(สำหรับการอ้างอิง Python 2.7.3 และ Python 3.3.0b1 จะแสดงในงานพิมพ์ล่ามด้านบน)

ส่วนที่ 3.13 ของมาตรฐาน Unicode จะกำหนดอัลกอริทึมสำหรับการจับคู่แบบไม่เป็นชุด

X.casefold() == Y.casefold() ใน Python 3 ใช้ "การจับคู่แบบไม่มีค่าเริ่มต้น" (D144)

Casefolding ไม่รักษามาตรฐานของสตริงในทุกกรณีและดังนั้นจึงต้องทำ Normalization ( 'å'vs. 'å') D145 แนะนำ "การจับคู่แบบไม่เจาะจงมาตรฐาน":

import unicodedata

def NFD(text):
    return unicodedata.normalize('NFD', text)

def canonical_caseless(text):
    return NFD(NFD(text).casefold())

NFD() ถูกเรียกสองครั้งสำหรับกรณีขอบที่ไม่บ่อยนักซึ่งเกี่ยวข้องกับอักขระ U + 0345

ตัวอย่าง:

>>> 'å'.casefold() == 'å'.casefold()
False
>>> canonical_caseless('å') == canonical_caseless('å')
True

นอกจากนี้ยังมีการทำงานร่วมกัน caseless จับคู่ (D146) สำหรับกรณีเช่น'㎒'(U + 3392) และ "ระบุ caseless ตรงกับ" เพื่อลดความซับซ้อนและเพิ่มประสิทธิภาพcaseless การจับคู่ของตัวบ่งชี้

ผมเห็นการแก้ปัญหานี้ที่นี่ใช้regex

import re
if re.search('mandy', 'Mandy Pande', re.IGNORECASE):
# is True

มันทำงานได้ดีกับสำเนียง

In [42]: if re.search("ê","ê", re.IGNORECASE):
....:        print(1)
....:
1

อย่างไรก็ตามมันไม่สามารถใช้ได้กับตัวอักษร unicode case-insensitive ขอบคุณ @Rhymoid ที่ชี้ให้เห็นว่าเนื่องจากความเข้าใจของฉันคือต้องการสัญลักษณ์ที่แน่นอนเพื่อให้เป็นจริง ผลลัพธ์จะเป็นดังนี้:

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)
....:

วิธีการปกติคือการเพิ่มสตริงหรือตัวพิมพ์เล็กสำหรับการค้นหาและการเปรียบเทียบ ตัวอย่างเช่น:

>>> "hello".upper() == "HELLO".upper()
True
>>> 

วิธีการแปลงเป็นตัวพิมพ์เล็กก่อน? string.lower()คุณสามารถใช้

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__)

สิ่งที่คุณต้องทำคือการแปลงทั้งสองสายเป็นตัวพิมพ์เล็ก (ตัวอักษรทั้งหมดกลายเป็นตัวพิมพ์เล็ก) จากนั้นเปรียบเทียบพวกเขา (สมมติว่าสตริงนั้นเป็นสตริง ASCII)

ตัวอย่างเช่น:

string1 = "Hello World"
string2 = "hello WorlD"

if string1.lower() == string2.lower():
    print("The two strings are the same.")
else:
    print("The two strings are not the same.")

นี่เป็นอีก regex ที่ฉันได้เรียนรู้ที่จะรัก / เกลียดในช่วงสัปดาห์ที่แล้วดังนั้นมักจะนำเข้าเป็น (ในกรณีนี้ใช่) สิ่งที่สะท้อนให้เห็นถึงความรู้สึกของฉัน! ทำให้ฟังก์ชั่นปกติ .... ขอให้ป้อนข้อมูลจากนั้นใช้ .... something = re.compile (r'foo * | spam * ', yes.I) ...... re.I (ใช่ ด้านล่าง) เหมือนกับ IGNORECASE แต่คุณไม่สามารถเขียนข้อผิดพลาดได้มากมาย!

จากนั้นคุณค้นหาข้อความของคุณโดยใช้ regex แต่โดยสุจริตว่าควรมีสองสามหน้าในตัวของมันเอง แต่ประเด็นก็คือท่อหรือ foo หรือสแปมถูกรวมเข้าด้วยกันและจะถูกละเว้น ถ้าพบทั้งคู่แล้ว Lost_n_found จะแสดงรายการใดรายการหนึ่ง ถ้าไม่เช่นนั้น lost_n_found จะเท่ากับ None หากไม่เท่ากับไม่มีส่งคืน user_input เป็นตัวเล็กโดยใช้ "return lost_n_found.lower ()"

สิ่งนี้ช่วยให้คุณสามารถจับคู่สิ่งที่ต้องคำนึงถึงตัวพิมพ์ใหญ่ - เล็กได้ง่ายขึ้น สุดท้าย (NCS) หมายถึง "ไม่มีใครใส่ใจจริงจัง ... !" หรือไม่คำนึงถึงขนาดตัวพิมพ์

หากใครมีคำถามใด ๆ ให้ฉันในเรื่องนี้ ..

    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")