Как преобразовать строку в нижний регистр в Python?
Есть ли способ преобразовать всю введенную пользователем строку из верхнего или даже прописного в часть в нижний регистр?
Например, Километры -> километры
Канонический Pythonic способ сделать это
>>> 'Kilometers'.lower()
'kilometers'
Однако, если цель состоит в том, чтобы сделать сравнение без учета регистра,вы должны использовать case-fold:
>>> 'Kilometers'.casefold()
'kilometers'
И вот почему:
>>> "Maße".casefold()
'masse'
>>> "Maße".lower()
'maße'
>>> "MASSE" == "Maße"
False
>>> "MASSE".lower() == "Maße".lower()
False
>>> "MASSE".casefold() == "Maße".casefold()
True
Это метод str в Python 3, но в Python 2 вы захотите взглянуть наPyICU или py2casefold - здесь можно найти несколько ответов .
Unicode Python 3
Python 3 обрабатывает обычные строковые литералы как Unicode:
>>> string = 'Километр'
>>> string
'Километр'
>>> string.lower()
'километр'
Python 2, обычные строковые литералы являются байтами
В Python 2 нижеследующее, вставленное в оболочку, кодирует литерал как строку байтов, используя utf-8.
И lower не отображает никаких изменений, о которых будут знать байты, поэтому мы получаем ту же строку.
>>> string = 'Километр'
>>> string
'\xd0\x9a\xd0\xb8\xd0\xbb\xd0\xbe\xd0\xbc\xd0\xb5\xd1\x82\xd1\x80'
>>> string.lower()
'\xd0\x9a\xd0\xb8\xd0\xbb\xd0\xbe\xd0\xbc\xd0\xb5\xd1\x82\xd1\x80'
>>> print string.lower()
Километр
В сценариях Python будет возражать против того, чтобы не-ascii (начиная с Python 2.5 и предупреждение в Python 2.4) находились в строке без заданной кодировки, поскольку предполагаемое кодирование будет неоднозначным.Подробнее об этом см. Инструкции по Unicode в документах и PEP 263
Использование литералов Unicode, а не str литерал
Таким образом, нам нужна строка unicode для обработки этого преобразования, которая легко выполняется с помощью строкового литерала Unicode, который устраняет неоднозначность с префиксом u (и обратите внимание, что префикс u также работает в Python 3):
>>> unicode_literal = u'Километр'
>>> print(unicode_literal.lower())
километр
Обратите внимание, что байты полностью отличаются от str байтов - escape-символ - '\u', за которым следует 2-байтовая ширина или 16-битное представление этих unicode букв:
>>> unicode_literal
u'\u041a\u0438\u043b\u043e\u043c\u0435\u0442\u0440'
>>> unicode_literal.lower()
u'\u043a\u0438\u043b\u043e\u043c\u0435\u0442\u0440'
Теперь, если у нас есть только форма str, нам нужно преобразовать ее в unicode.Unicode-тип Python - это универсальный формат кодирования, который имеет множество преимуществ по сравнению с большинством других кодировок.Мы можем использовать конструктор unicode или метод str.decode с кодеком для преобразования str в unicode:
>>> unicode_from_string = unicode(string, 'utf-8') # "encoding" unicode from string
>>> print(unicode_from_string.lower())
километр
>>> string_to_unicode = string.decode('utf-8')
>>> print(string_to_unicode.lower())
километр
>>> unicode_from_string == string_to_unicode == unicode_literal
True
Оба метода преобразуются в тип Unicode - и такой же, как unicode_literal.
Наилучшая практика, используйте Unicode
Рекомендуется, чтобы вы всегда работали с текстом в Unicode .
Программное обеспечение должно работать только сВнутренние строки Unicode, преобразуемые в определенную кодировку при выводе.
Может при необходимости кодировать обратно
Однако, чтобы вернуть строчные буквы в типе str, закодируйте строку python вutf-8 еще раз:
>>> print string
Километр
>>> string
'\xd0\x9a\xd0\xb8\xd0\xbb\xd0\xbe\xd0\xbc\xd0\xb5\xd1\x82\xd1\x80'
>>> string.decode('utf-8')
u'\u041a\u0438\u043b\u043e\u043c\u0435\u0442\u0440'
>>> string.decode('utf-8').lower()
u'\u043a\u0438\u043b\u043e\u043c\u0435\u0442\u0440'
>>> string.decode('utf-8').lower().encode('utf-8')
'\xd0\xba\xd0\xb8\xd0\xbb\xd0\xbe\xd0\xbc\xd0\xb5\xd1\x82\xd1\x80'
>>> print string.decode('utf-8').lower().encode('utf-8')
километр
Таким образом, в Python 2 Unicode может кодировать в строки Python, а строки Python могут декодироваться в тип Unicode.