Làm thế nào để tôi làm một so sánh chuỗi không phân biệt chữ hoa chữ thường?

Làm thế nào tôi có thể thực hiện so sánh chuỗi không nhạy cảm trong Python?

Tôi muốn gói gọn việc so sánh các chuỗi thông thường với chuỗi kho lưu trữ bằng cách sử dụng theo cách rất đơn giản và Pythonic. Tôi cũng muốn có khả năng tìm kiếm các giá trị trong một dict được băm bởi các chuỗi bằng các chuỗi python thông thường.

Giả sử chuỗi 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)")

So sánh các chuỗi trong một trường hợp không nhạy cảm có vẻ tầm thường, nhưng thực tế không phải vậy. Tôi sẽ sử dụng Python 3, vì Python 2 chưa được phát triển ở đây.

Điều đầu tiên cần lưu ý là các chuyển đổi loại bỏ trường hợp trong Unicode không phải là nhỏ. Có văn bản trong đó text.lower() != text.upper().lower(), chẳng hạn như "ß":

"ß".lower()
#>>> 'ß'

"ß".upper().lower()
#>>> 'ss'

Nhưng hãy nói rằng bạn muốn vô tình so sánh "BUSSE"và "Buße". Heck, có lẽ bạn cũng muốn so sánh "BUSSE"và "BUẞE"bằng nhau - đó là hình thức vốn mới hơn. Cách được đề xuất là sử dụng casefold:

str. casefold ()

Trả về một bản sao của chuỗi. Các chuỗi Casefolded có thể được sử dụng để kết hợp ngẫu nhiên.

Casefold tương tự như hạ cấp nhưng tích cực hơn vì nó nhằm loại bỏ tất cả các phân biệt trường hợp trong một chuỗi. [...]

Đừng chỉ sử dụng lower. Nếu casefoldkhông có sẵn, làm .upper().lower()giúp (nhưng chỉ phần nào).

Sau đó, bạn nên xem xét các dấu. Nếu trình kết xuất phông chữ của bạn tốt, có thể bạn nghĩ "ê" == "ê"- nhưng nó không:

"ê" == "ê"
#>>> False

Điều này là do các điểm nhấn ở sau là một nhân vật kết hợp.

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']

Cách đơn giản nhất để đối phó với điều này là unicodedata.normalize. Bạn có thể muốn sử dụng chuẩn hóa NFKD , nhưng vui lòng kiểm tra tài liệu. Sau đó, một

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

Để kết thúc, ở đây điều này được thể hiện trong các chức năng:

import unicodedata

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

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

Sử dụng Python 2, gọi .lower()từng chuỗi hoặc đối tượng Unicode ...

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

... sẽ làm việc hầu hết thời gian, nhưng thực sự không hoạt động trong các tình huống mà @tchrist đã mô tả .

Giả sử chúng ta có một tệp gọi là unicode.txtchứa hai chuỗi Σίσυφοςvà ΣΊΣΥΦΟΣ. Với 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

Ký tự có hai dạng chữ thường, và, và .lower()sẽ không giúp so sánh chúng không phân biệt chữ hoa chữ thường.

Tuy nhiên, kể từ Python 3, cả ba biểu mẫu sẽ phân giải thành và gọi hàm dưới () trên cả hai chuỗi sẽ hoạt động chính xác:

>>> 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

Vì vậy, nếu bạn quan tâm đến các trường hợp cạnh như ba sigmas trong tiếng Hy Lạp, hãy sử dụng Python 3.

(Để tham khảo, Python 2.7.3 và Python 3.3.0b1 được hiển thị trong bản in trình thông dịch ở trên.)

Mục 3.13 của tiêu chuẩn Unicode định nghĩa các thuật toán cho kết hợp ngẫu nhiên.

X.casefold() == Y.casefold() trong Python 3 thực hiện "khớp lệnh không mặc định" (D144).

Casefold không bảo toàn chuẩn hóa chuỗi trong tất cả các trường hợp và do đó việc chuẩn hóa cần phải được thực hiện ( 'å'so với 'å'). D145 giới thiệu "kết hợp không chính tắc":

import unicodedata

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

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

NFD() được gọi hai lần cho các trường hợp cạnh không thường xuyên liên quan đến ký tự U + 0345.

Thí dụ:

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

Ngoài ra còn có tính năng kết hợp không tương thích (D146) cho các trường hợp, chẳng hạn như '㎒'(U + 3392) và "kết hợp không trùng khớp định danh" để đơn giản hóa và tối ưu hóa kết hợp không trùng khớp của số nhận dạng .

Tôi thấy giải pháp này ở đây bằng cách sử dụng regex .

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

Nó hoạt động tốt với dấu

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

Tuy nhiên, nó không hoạt động với các ký tự unicode không phân biệt chữ hoa chữ thường. Cảm ơn bạn @Rhymoid đã chỉ ra rằng theo sự hiểu biết của tôi là nó cần biểu tượng chính xác, cho trường hợp là đúng. Đầu ra như sau:

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)
....:

Cách tiếp cận thông thường là viết hoa các chuỗi hoặc viết thường chúng để tra cứu và so sánh. Ví dụ:

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

Làm thế nào về việc chuyển đổi thành chữ thường đầu tiên? bạn có thể sử dụng string.lower().

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__)

Tất cả bạn sẽ phải làm là chuyển đổi hai chuỗi thành chữ thường (tất cả các chữ cái trở thành chữ thường) và sau đó so sánh chúng (giả sử các chuỗi là chuỗi ASCII).

Ví dụ:

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.")

Đây là một regex khác mà tôi đã học cách yêu / ghét trong tuần qua vì vậy thường nhập như (trong trường hợp này là có) một cái gì đó phản ánh cảm giác của tôi! tạo một hàm bình thường .... yêu cầu nhập liệu, sau đó sử dụng .... Something = re.compile (r'foo * | spam * ', yes.I) ...... re.I (yes.I bên dưới) giống như IGNORECASE nhưng bạn không thể mắc nhiều lỗi khi viết nó!

Sau đó, bạn tìm kiếm tin nhắn của mình bằng cách sử dụng regex nhưng thành thật chỉ có một vài trang, nhưng vấn đề là foo hoặc spam được kết hợp với nhau và trường hợp bị bỏ qua. Sau đó, nếu một trong hai được tìm thấy thì bị mất đi sẽ hiển thị một trong số chúng. nếu không thì thì mất đi bằng với Không. Nếu nó không bằng không trả về user_input trong trường hợp thấp hơn bằng cách sử dụng "return Mất Stewfound.lower ()"

Điều này cho phép bạn dễ dàng phù hợp hơn nhiều với bất kỳ trường hợp nào nhạy cảm với trường hợp. Cuối cùng (NCS) là viết tắt của "không ai quan tâm nghiêm túc ...!" hoặc không phân biệt chữ hoa chữ thường .... tùy theo trường hợp nào

nếu bất cứ ai có bất kỳ câu hỏi nào giúp tôi về điều này ..

    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")