Question

在德语中，eszett字母“ß”相当于“ss”。

Python允许区分设置的字符串比较，如下所示：

>>> foo = u'strasse'
>>> bar = u'stra\xdfe'
>>> print(bar.encode('utf-8'))
straße
>>> import locale
>>> locale.setlocale(locale.LC_ALL, 'de_DE')
'de_DE'
>>> locale.strcoll(foo, bar)
-12
>>> locale.setlocale(locale.LC_ALL, 'de_DE.utf8')
'de_DE.utf8'
>>> locale.strcoll(foo, bar)
-28

我如何比较foo和bar并知道它们实际上是等价的？

（当locale设置为德语时，为什么locale.strcoll（foo，bar）不返回0？）

为了澄清一下，我对一般的解决方案感兴趣，而不是德国的特定解决方案。 Java的区域设置感知字符串比较解决方案是它的java.text.Collator类。 C＃的解决方案是它的System.Globalization.CultureInfo类。 Python有这样的东西吗？（如果没有，不应该吗？）

对于好奇，这是在Java中使用Collator的一个例子：

import java.text.Collator;
import java.util.Locale;

public class CompareStrings {
    public static void main(String[] args) {
        Collator coll = Collator.getInstance(Locale.GERMAN);
        coll.setStrength(Collator.PRIMARY);
        if (coll.compare("strasse", "straße") == 0) {
            System.out.println("Strings are equivalent");
        } else {
            System.out.println("Strings are not equivalent");
        }
    }
}

输出是“字符串是等价的”。

Answer 1

使用unidecode模块。

from unidecode import unidecode
print unidecode(u'stra\xdfe')

输出：

strasse

从一个脚本转换到另一个脚本的过程称为transliteration。

Answer 2

如果你不想要外部模块，那么黑客攻击：

def isEquivalent(str1, str2):
    return ( locale.strxfrm(str2[:-1]) < locale.strxfrm(str1) <= locale.strxfrm(str2) < locale.strxfrm(str1+"0") 
    or 
    locale.strxfrm(str1[:-1]) < locale.strxfrm(str2) <= locale.strxfrm(str1) < locale.strxfrm(str2+"0") )

这也认为口音或变音符号是等效的。

Python区域设置感知字符串比较

2 个答案: