Python 3 中的字符串比较

Question

我的字符串比较不起作用，

有什么想法吗？

a = person.category[0].lower()
b = to_delete[5].lower()

print("test ", repr(a), "type: ", type(a))
print("test ", repr(b), "type: ", type(b))
print(a == b)
print(a is b)
print("éclairage public" == b)
print("éclairage public" == a )

返回：

test  'éclairage public' type:  <class 'str'>
test  'éclairage public' type:  <class 'str'>
False
False
False
True

所以“b”没有预期的成分，但我不知道为什么！

Answer 1

您的问题几乎可以肯定是a 和b 是具有相同规范化 的两个不同的Unicode 值。举个简单的例子，考虑这两种显示é的方式：

>>> b'e\xcc\x81'.decode()
'é'
>>> b'\xc3\xa9'.decode()
'é'

第一个是由e (U+0065) 和组合变音符号´ (U+0301) 组成的两个字符的字符串。第二个是由é (U+00E9) 组成的单个字符。

为了成功比较它们，您需要对它们进行规范化。有几种不同的标准化可供使用，但您使用哪一种对于比较而言并不重要，只要您为每种标准化使用相同的。

>>> import unicodedata
>>> x = b'e\xcc\x81'.decode()
>>> y = b'\xc3\xa9'.decode()
>>> x == y
False
>>> unicodedata.normalize("NFC", x) == unicodedata.normalize("NFC", y)
True

标准化 NFC，例如，通过将 U+0065/U+0301 替换为 U+00E9 进行标准化。有关详细信息，请参阅https://www.unicode.org/faq/normalization.html。您可能希望在存储任何用户输入之前对其进行规范化，并且您需要确保对所有存储的数据使用相同的规范化。常见问题解答可以帮助您确定最适合您使用的规范化。