大文字と小文字を区別しない文字列比較を行うにはどうすればよいですか？

Pythonで大文字と小文字を区別しない文字列比較を行うにはどうすればよいですか？

通常の文字列とリポジトリ文字列の比較を非常にシンプルでPython的な方法でカプセル化したいと思います。また、通常のpython文字列を使用して文字列によってハッシュされたdictの値を検索する機能も必要です。

ASCII文字列を想定：

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)")

大文字と小文字を区別しない方法で文字列を比較することは簡単なように見えますが、そうではありません。ここではPython 2の開発が進んでいないため、Python 3を使用します。

最初に注意すべきことは、Unicodeでの大文字と小文字を区別しない変換は簡単ではないということです。次のtext.lower() != text.upper().lower()ようなテキストがあります"ß"。

"ß".lower()
#>>> 'ß'

"ß".upper().lower()
#>>> 'ss'

しかし、あなたがcaselessly比較したいとしましょう"BUSSE"と"Buße"。ヘック、あなたはおそらく比較"BUSSE"して"BUẞE"同等にしたいと思うでしょう-それは新しい資本形態です。推奨される方法は使用することcasefoldです：

str。ケースフォールド（）

文字列を大文字に変換したコピーを返します。大文字と小文字を区別する文字列は、大文字と小文字を区別しないマッチングに使用できます。

大文字と小文字の区別は小文字に似ていますが、文字列内のすべての大文字と小文字の区別を取り除くことを目的としているため、より積極的です。[...]

使用しないでくださいlower。casefoldが利用できない場合は、それを行うと.upper().lower()役立ちます（ただし、多少は役立ちます）。

次に、アクセントを考慮する必要があります。フォントレンダラーが優れている場合は、おそらく考えます"ê" == "ê"が、そうではありません。

"ê" == "ê"
#>>> False

後者のアクセントは結合文字だからです。

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']

これに対処する最も簡単な方法はunicodedata.normalizeです。おそらくNFKD正規化を使用したいと思うかもしれませんが、ドキュメントを確認してください。その後、

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

最後に、これは関数で表されます。

import unicodedata

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

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

Python 2を使用して.lower()、各文字列またはUnicodeオブジェクトを呼び出す...

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

...ほとんどの場合は機能しますが、@ tchristが説明した状況では実際には機能しません。

unicode.txt2つの文字列Σίσυφοςとを含むというファイルがあるとしますΣΊΣΥΦΟΣ。Python 2の場合：

>>> 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文字には、ςとσの2つの小文字形式があり、大文字と小文字を.lower()区別せずに比較できません。

ただし、Python 3以降、3つの形式はすべてtoに解決され、両方の文字列でlower（）を呼び出すと正しく機能します。

>>> 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

したがって、ギリシャ語の3つのシグマのようなエッジケースを気にする場合は、Python 3を使用してください。

（参考のために、Python 2.7.3とPython 3.3.0b1は上記のインタープリターの印刷出力に示されています。）

Unicode標準のセクション3.13を区別しないマッチングのアルゴリズムを定義しています。

X.casefold() == Y.casefold() Python 3では、「デフォルトの大文字と小文字を区別しないマッチング」（D144）を実装しています。

ケースフォールディングでは、すべてのインスタンスで文字列の正規化が保持されないため、正規化を実行する必要があります（'å'vs. 'å'）。D145は「正規の大文字と小文字を区別しないマッチング」を導入します。

import unicodedata

def NFD(text):
    return unicodedata.normalize('NFD', text)

def canonical_caseless(text):
    return NFD(NFD(text).casefold())

NFD() U + 0345文字を含む非常にまれなエッジケースでは、2回呼び出されます。

例：

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

'㎒'（U + 3392）などのケースの互換性のあるケースレスマッチング（D146）と、識別子のケースレスマッチングを簡素化および最適化する「識別子のケースレスマッチング」もあります。

ここでは正規表現を使用してこの解決策を見ました。

import re
if re.search('mandy', 'Mandy Pande', re.IGNORECASE):
# is True

それはアクセントでうまく機能します

In [42]: if re.search("ê","ê", re.IGNORECASE):
....:        print(1)
....:
1

ただし、大文字と小文字を区別しないUnicode文字では機能しません。@Rhymoidに指摘していただきありがとうございます。私の理解では、ケースが真実であるためには正確なシンボルが必要であることを理解していたためです。出力は次のとおりです。

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)
....:

通常のアプローチでは、検索と比較のために文字列を大文字にするか小文字にします。例えば：

>>> "hello".upper() == "HELLO".upper()
True
>>> 

最初に小文字に変換してみませんか？使用できますstring.lower()。

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__)

2つの文字列を小文字に変換し（すべての文字が小文字になる）、それらを比較するだけです（文字列がASCII文字列であると想定）。

例えば：

string1 = "Hello World"
string2 = "hello WorlD"

if string1.lower() == string2.lower():
    print("The two strings are the same.")
else:
    print("The two strings are not the same.")

これは、先週私が愛/憎むことを学んだもう1つの正規表現です。したがって、通常は（この場合ははい）インポートして、いかにimの感情を反映したものにしますか。通常の関数を作成します。...入力を求め、次に.... something = re.compile（r'foo * | spam * '、yes.I）...... re.I（yes.Iを使用します。以下）はIGNORECASEと同じですが、多くの間違いを犯すことはできません！

次に、正規表現を使用してメッセージを検索しますが、正直に言うと、それ自体が数ページになるはずですが、要点は、fooまたはspamがパイプでつながれ、大文字と小文字は無視されるということです。次に、どちらかが見つかった場合、lost_n_foundはそれらの1つを表示します。どちらもない場合、lost_n_foundはNoneに等しくなります。noneと等しくない場合、「return lost_n_found.lower（）」を使用して小文字でuser_inputを返します

これにより、大文字と小文字を区別するあらゆるものをより簡単に一致させることができます。最後に（NCS）は「誰も真剣に気にしない...！」の略です。大文字と小文字を区別しない...

誰か質問があれば私にこれを教えてください。

    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")