如何在Python中将字符串转换为小写 (6)

如何在Python中将字符串转换为小写？

有没有办法将整个用户输入的字符串从大写，甚至是大写部分转换为小写？

例如公里 - >公里

规范Pythonic这样做的方式是

>>> 'Kilometers'.lower()
'kilometers'

但是，如果目的是做不区分大小写的匹配，您应该使用大小写折叠：

>>> 'Kilometers'.casefold()
'kilometers'

原因如下：

>>> "Maße".casefold()
'masse'
>>> "Maße".lower()
'maße'
>>> "MASSE" == "Maße"
False
>>> "MASSE".lower() == "Maße".lower()
False
>>> "MASSE".casefold() == "Maße".casefold()
True

这是Python 3中的一个str方法，但在Python 2中，您需要查看PyICU或py2casefold - 这里有几个解答 。

Unicode Python 3

Python 3将 Unicode作为常规字符串处理：

>>> string = 'Километр'
>>> string
'Километр'
>>> string.lower()
'километр'

Unicode Python 2

但是Python 2并没有将下面的代码粘贴到shell中，而是使用utf-8将字符串编码为一串字节。

并且lower不映射任何原生Unicode对象会意识到的更改，因此我们得到相同的字符串。

>>> 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

在脚本中，由于预期的编码是不明确的，因此Python将反对非ascii（如Python 2.5和Python 2.4中的警告）字节在字符串中，但没有给出编码。 有关更多信息，请参阅docs和PEP 263中的Unicode操作指南

使用Unicode文字，而不是文字

所以我们需要一个unicode字符串来处理这个转换，用unicode文字很容易实现：

>>> unicode_literal = u'Километр'
>>> print unicode_literal.lower()
километр

请注意，这些字节与str字节完全不同 - 转义字符为'\u'后面跟着2个字节的宽度，或者这些unicode字母的16位表示形式：

>>> unicode_literal
u'\u041a\u0438\u043b\u043e\u043c\u0435\u0442\u0440'
>>> unicode_literal.lower()
u'\u043a\u0438\u043b\u043e\u043c\u0435\u0442\u0440'

现在，如果我们只有str的形式，我们需要将它转换为unicode 。 Python的Unicode类型是一种通用编码格式，与其他大多数编码advantages ，它具有许多advantages 。 我们可以使用unicode编码器的unicode构造函数或str.decode方法将str转换为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

这两种方法都转换为unicode类型 - 与unicode_literal相同。

最佳实践，使用Unicode

建议您始终使用Unicode格式的文本 。

软件只能在内部使用Unicode字符串，转换为输出中的特定编码。

可以在必要时进行编码

但是，要在str返回小写字母，请将python字符串再次编码为utf-8 ：

>>> 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

所以在Python 2中，Unicode可以编码为Python字符串，并且Python字符串可以解码为Unicode类型。