python - UTF-8 和 upper()

Question

我想使用内置函数（如 upper() 和 capitalize()）转换 UTF-8 字符串。

例如：

>>> mystring = "işğüı"
>>> print mystring.upper()
Işğüı  # should be İŞĞÜI instead.

我怎样才能解决这个问题？

Answer 1

不要对编码的字符串执行操作；解码到unicode第一个。

>>> mystring = "işğüı"
>>> print mystring.decode('utf-8').upper()
IŞĞÜI

Answer 2

作为一般策略，最好将文本保存在内存中后始终保持为 Unicode：如果在输入时有特定的编码要求，则在输入时对其进行解码，并在需要输出时对其进行精确编码和/或输入时间。

即使您不选择采用这种通用策略（您应该这样做！），执行所需任务的唯一合理方法仍然是再次解码、处理、编码——永远不要使用编码形式。IE：

mystring = "işğüı"
print mystring.decode('utf-8').upper().encode('utf-8')

假设您在分配和输出时受限于编码字符串。（不幸的是，输出约束是现实的，分配约束不是 - 只是 do mystring = u"işğüı"，从一开始就使其成为 unicode ，并至少为自己节省.decode调用！-）