如何进行不区分大小写的字符串比较？

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的方式封装对常规字符串与存储库字符串的比较。我还希望能够使用常规python字符串在由字符串散列的字典中查找值。

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)")

以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。有一些文字text.lower() != text.upper().lower()，例如"ß"：

"ß".lower()
#>>> 'ß'

"ß".upper().lower()
#>>> 'ss'

但是，假设您想无休止地比较"BUSSE"和"Buße"。哎呀，您可能还想比较"BUSSE"和"BUẞE"相等-这是较新的资本形式。推荐的方式是使用casefold：

海峡 折叠（）

返回字符串的casefolded副本。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，但更具攻击性，因为它旨在消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，您应该考虑口音。如果您的字体渲染器很好，您可能会认为"ê" == "ê"-但事实并非如此：

"ê" == "ê"
#>>> 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 "ê"]
#>>> ['LATIN SMALL LETTER E', 'COMBINING CIRCUMFLEX ACCENT']

解决此问题的最简单方法是unicodedata.normalize。您可能想使用NFKD规范化，但请随时检查文档。然后一个

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

使用Python 2，调用.lower()每个字符串或Unicode对象...

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

...将在大多数时间工作，但实际上在@tchrist描述的情况下不起作用。

假设我们有一个名为的文件，unicode.txt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字符有两种小写形式，ς和σ，并且.lower()不区分大小写。

但是，从Python 3开始，所有这三种形式都将解析为ς，并且在两个字符串上调用lower（）都可以正常工作：

>>> 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，如果您关心像希腊语中的三个sigma这样的边缘情况，请使用Python 3。

（供参考，上面的解释器打印输出中显示了Python 2.7.3和Python 3.3.0b1。）

Unicode标准的第3.13节定义了无大小写匹配的算法。

X.casefold() == Y.casefold() 在Python 3中实现了“默认无大小写匹配”（D144）。

Casefolding不能在所有实例中保留字符串的规范化，因此需要进行规范化（'å'vs. 'å'）。D145引入了“规范无大小写匹配”：

import unicodedata

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

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

NFD() 在涉及U + 0345字符的极少数情况下被调用两次。

例：

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

对于'㎒'（U + 3392）和“标识符无例匹配” 等情况，还具有兼容性无例匹配（D146），以简化和优化标识符的无例匹配。

我在这里使用regex看到了这个解决方案。

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

与重音搭配效果很好

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@Rhymoid指出，根据我的理解，对于情况，它需要确切的符号。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以进行查找和比较。例如：

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

首先转换为小写字母如何？您可以使用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__)

您要做的就是将两个字符串转换为小写（所有字母都变为小写），然后进行比较（假设字符串是ASCII字符串）。

例如：

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."

这是我在上个星期学习过爱/恨的另一个正则表达式，因此通常导入（在本例中为）反映我的感觉的东西！做一个正常的功能....要求输入，然后使用.... something = re.compile（r'foo * | spam *'，是的.I）...... re.I（是的.I下方）与IGNORECASE相同，但是您编写时可能会犯很多错误！

然后，您可以使用正则表达式搜索消息，但老实说应该仅占几页，但要点是foo或垃圾邮件通过管道传递在一起，并且忽略大小写。然后，如果找到任何一个，则lost_n_found将显示其中之一。如果两者都不是，则lost_n_found等于无。如果不等于none，则使用“ return lost_n_found.lower（）”以小写形式返回user_input

这使您可以更轻松地匹配所有区分大小写的内容。最后（NCS）代表“没人在乎……！” 还是不区分大小写...

如果有人有任何问题，请教我。

    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")