Как выполнить сравнение строк без учета регистра?
Как я могу сделать сравнение строк без учета регистра в Python?
Я хотел бы инкапсулировать сравнение регулярных строк со строкой репозитория, используя очень простой и Питонический способ. Я также хотел бы иметь возможность искать значения в dict, хэшированные строками, используя обычные строки python.
11 ответов
предполагая строки 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)"
сравнение строк без учета регистра в сторону кажется чем-то тривиальным, но это не так. Я буду использовать Python 3, так как Python 2 здесь недостаточно развит.
первое, что нужно отметить, что преобразование case-removing в unicode не является тривиальным. Есть текст для которого text.lower() != text.upper().lower()
, например "ß"
:
"ß".lower()
#>>> 'ß'
"ß".upper().lower()
#>>> 'ss'
но допустим, вы хотели бы беззаботно сравнить "BUSSE"
и "Buße"
. Heck, вы наверное тоже хотите сравнить "BUSSE"
и "BUE"
равных - это новая форма капитала. Рекомендуется использовать casefold
:
help(str.casefold)
#>>> Help on method_descriptor:
#>>>
#>>> casefold(...)
#>>> S.casefold() -> str
#>>>
#>>> Return a version of S suitable for caseless comparisons.
#>>>
не просто использовать lower
. Если casefold
нет в наличии, делаю .upper().lower()
помогает (Но только немного).
затем вы должны рассмотреть акценты. Если ваш рендерер шрифтов хорош, вы, вероятно, думаете "ê" == "ê"
- но это не так:
"ê" == "ê"
#>>> False
это потому, что они на самом деле
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']
самый простой способ справиться с этим -unicodedata.normalize
. Вы, вероятно, хотите использовать NFKD нормализация, но не стесняйтесь проверить документы. Тогда один делает
unicodedata.normalize("NFKD", "ê") == unicodedata.normalize("NFKD", "ê")
#>>> True
чтобы закончить, здесь это выражается в функциях:
import unicodedata
def normalize_caseless(text):
return unicodedata.normalize("NFKD", text.casefold())
def caseless_equal(left, right):
return normalize_caseless(left) == normalize_caseless(right)
использование Python 2, вызов .lower()
для каждой строки или объекта Unicode...
string1.lower() == string2.lower()
...будет работать большую часть времени, но действительно не работает в ситуации @tchrist описал.
предположим, что у нас есть файл под названием unicode.txt
содержащий две строки Σίσυφος
и ΣΊΣΥΦΟΣ
. С 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
символ Σ имеет две строчные формы, ς и σ, и .lower()
не поможет их сравнить регистронезависимо.
однако, начиная с Python 3, все три формы будут разрешены до ς, и вызов lower () на обеих строках будет работать правильно:
>>> 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
поэтому, если вы заботитесь о крайних случаях, таких как три Сигмы на греческом языке, используйте Python 3.
(для справки, Python 2.7.3 и Python 3.3.0b1 показаны в распечатках интерпретатора выше.)
раздел 3.13 стандарта Юникода определяет алгоритмы для caseless совмещение.
X.casefold() == Y.casefold()
в Python 3 реализовано "сопоставление без caseless по умолчанию" (D144).
Casefolding не сохраняет нормализацию строк во всех экземплярах, и поэтому нормализация должна быть выполнена ('å'
и 'å'
). D145 вводит "каноническое безгазовое сопоставление":
import unicodedata
def NFD(text):
return unicodedata.normalize('NFD', text)
def canonical_caseless(text):
return NFD(NFD(text).casefold())
NFD()
вызывается дважды для очень редких крайних случаях с участием U + 0345 символов.
пример:
>>> 'å'.casefold() == 'å'.casefold()
False
>>> canonical_caseless('å') == canonical_caseless('å')
True
есть также совместимость caseless matching (D146) для таких случаев, как '㎒'
(U+3392) и" соответствие идентификатора caseless " для упрощения и оптимизации безгазовое сопоставление идентификаторов.
Я видел это решение здесь используя regex.
import re
if re.search('mandy', 'Mandy Pande', re.IGNORECASE):
# is True
Он хорошо работает с акцентами
In [42]: if re.search("ê","ê", re.IGNORECASE):
....: print(1)
....:
1
однако он не работает с символами Юникода без учета регистра. Спасибо @Rhymoid за указание на то, что, как я понимаю, ему нужен точный символ, чтобы дело было правдой. Вывод выглядит следующим образом:
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)
....:
обычный подход заключается в верхнем регистре строк или нижнем регистре для поиска и сравнения. Например:
>>> "hello".upper() == "HELLO".upper()
True
>>>
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__)
Это еще одно регулярное выражение, которое я научился любить / ненавидеть за последнюю неделю, поэтому обычно импортируйте (в этом случае да) что-то, что отражает, как я чувствую! сделайте нормальную функцию.... попросите ввод, затем используйте ....что-то = re.compile (r'Foo* / spam*', yes.Я.)..... ре.Я (да.Я ниже) то же самое, что и IGNORECASE, но вы не можете сделать столько ошибок, написав его!
затем вы ищете свое сообщение с помощью regex, но, честно говоря, это должно быть несколько страниц самостоятельно , но дело в том, что foo или спам передаются вместе, а case игнорируется. Затем, если любой из них найден, lost_n_found отобразит один из них. если ни то lost_n_found равно None. Если он не равен none, верните user_input в нижнем регистре, используя " return lost_n_found.lower ()"
Это позволяет вам гораздо легче сопоставлять все, что будет чувствительно к регистру. Наконец, (NCS) означает "никто не заботится серьезно...!- или без учета регистра....в зависимости от того
если у кого есть вопросы мне..
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")
Если у вас есть списки со строками, и вы хотите сравнить строки в другом списке без учета регистра. Вот мое решение.
list1 = map(lambda each:each.lower(), list1)
list2 = map(lambda each:each.lower(), list2)
после этого вы можете легко сделать сравнение строк.
я использовал это для выполнения чего-то более полезного для сравнения двух строк:
def strings_iequal(first, second):
try:
return first.upper() == second.upper()
except AttributeError:
if not first:
if not second:
return True
обновление: как отмечает Геррит этот ответ имеет некоторые ошибки. Это было много лет назад, и я уже не помню, для чего я его использовал. Я помню, как писал тесты, но какой от них толк теперь!