python - 如何进行不区分大小写的字符串比较？

Question

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 的方式封装常规字符串与存储库字符串的比较。我还希望能够在使用常规 python 字符串的字符串散列的字典中查找值。

Answer 1

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)")

从 Python 3.3 开始，casefold()是一个更好的选择：

string1 = 'Hello'
string2 = 'hello'

if string1.casefold() == string2.casefold():
    print("The strings are the same (case insensitive)")
else:
    print("The strings are NOT the same (case insensitive)")

如果您想要一个更全面的解决方案来处理更复杂的 unicode 比较，请参阅其他答案。

Answer 2

以不区分大小写的方式比较字符串似乎微不足道，但事实并非如此。我将使用 Python 3，因为这里的 Python 2 开发不足。

首先要注意的是，Unicode 中的大小写转换并非微不足道。有文本text.lower() != text.upper().lower()，例如"ß"：

"ß".lower()
#>>> 'ß'

"ß".upper().lower()
#>>> 'ss'

但是，假设您想不区分大小写地比较"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。推荐的方法是使用casefold：

海峡 折叠()

返回字符串的大小写副本。大小写字符串可用于无大小写匹配。

大小写折叠类似于小写，但更具侵略性，因为它旨在删除字符串中的所有大小写区别。[...]

不要只使用lower. 如果casefold不可用，做有.upper().lower()帮助（但只是有点）。

然后你应该考虑重音。如果您的字体渲染器很好，您可能会认为"ê" == "ê"- 但它没有：

"ê" == "ê"
#>>> False

这是因为后者的重音是一个组合字符。

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']

处理此问题的最简单方法是unicodedata.normalize. 您可能想使用NFKD normalization，但请随时查看文档。然后一个

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

最后，这里用函数表示：

import unicodedata

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

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

Answer 3

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

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

...大部分时间都可以工作，但在@tchrist 描述的情况下确实不起作用。

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，.lower()不区分大小写对比较它们没有帮助。

但是，从 Python 3 开始，所有三种形式都将解析为 ς，并且在两个字符串上调用 lower() 将正常工作：

>>> 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。

（作为参考，Python 2.7.3 和 Python 3.3.0b1 显示在上面的解释器打印输出中。）

Answer 4

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）。

大小写折叠不会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()对于涉及 U+0345 字符的非常罕见的边缘情况，会调用两次。

例子：

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

'㎒'对于（U+3392）和“标识符无大小写匹配”等情况，还有兼容性无大小写匹配（D146），以简化和优化标识符的无大小写匹配。

Answer 5

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

它适用于口音

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，因为我的理解是它需要确切的符号才能使案例成立。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)
....:

Answer 6

您可以使用 casefold() 方法。casefold() 方法在比较时会忽略大小写。

firstString = "Hi EVERYONE"
secondString = "Hi everyone"

if firstString.casefold() == secondString.casefold():
    print('The strings are equal.')
else:
    print('The strings are not equal.')

输出：

The strings are equal.

Answer 7

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
>>> 

Answer 8

先转换成小写怎么样？你可以使用string.lower().

Answer 9

您可以在 str.contains() 中提及case=False

data['Column_name'].str.contains('abcd', case=False)

Answer 10

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__)

Answer 11

这是我上周学会爱/恨的另一个正则表达式，所以通常导入（在这种情况下是的）反映我感觉的东西！做一个正常的功能....请求输入，然后使用 ....something = re.compile(r'foo*|spam*', yes.I)...... re.I (yes.I下面）与 IGNORECASE 相同，但你不能在编写它时犯尽可能多的错误！

然后，您使用正则表达式搜索您的消息，但老实说，这应该是它自己的几页，但关键是 foo 或垃圾邮件被一起传送并且忽略大小写。然后，如果找到其中任何一个，则 lost_n_found 将显示其中一个。如果两者都没有，那么 lost_n_found 等于 None。如果它不等于 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任何区分大小写的内容。最后（NCS）代表“没有人认真对待......！” 或不区分大小写....无论哪个

如果有人有任何问题，请告诉我这个..

    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")