结论

Question

转换为大写或小写时，字符串可能会变长（就Unicode代码点而言）。例如，'ß'.upper()评估为'SS'。但是有些字符串缩短了吗？也就是说，是否存在字符串s，使得表达式

len(s.lower()) < len(s) or len(s.upper()) < len(s)

评估为True？

Answer 1

我认为这可能是依赖于实现的。我将根据CPython源代码回答。

在我看来，有两种可能的情况，在字符串上调用lower可以缩短它。

两个相互匹配的Unicode点的某些组合会转换为一个Unicode点。
单个Unicode点将转换为空字符串。

我们可以通过检查内部小写转换函数的类型签名来确定案例1是否可行。这是Objects/unicodectype.c。

int _PyUnicode_ToLowerFull(Py_UCS4 ch, Py_UCS4 *res)
{
    const _PyUnicode_TypeRecord *ctype = gettyperecord(ch);

    if (ctype->flags & EXTENDED_CASE_MASK) {
        int index = ctype->lower & 0xFFFF;
        int n = ctype->lower >> 24;
        int i;
        for (i = 0; i < n; i++)
            res[i] = _PyUnicode_ExtendedCase[index + i];
        return n;
    }
    res[0] = ch + ctype->lower;
    return 1;
}

我不是100％理解这段代码，但我发现第一个参数ch是一个单独的Unicode点。由于它只对单个字符而不是字符组合起作用，因此似乎排除了案例1;代码点的组合不会变成更小的序列。

通过这种方式，我们可以通过迭代到sys.maxunicode来确定案例2是否发生，并且在降低后查看任何单个值的长度是否为零。

>>> import sys
>>> unicode_chars = list(map(chr, range(sys.maxunicode+1)))
>>> [x for x in unicode_chars if len(x.lower()) == 0]
[]

看起来案例2也被破坏了。

我们也可以将上述逻辑应用于upper。对于案例1，_PyUnicode_ToUpperFull的实施几乎与其较低的对应物相同;对于案例2，相应的列表推导同样返回一个空列表。

结论

不，lower和upper永远不会缩短任何内容。

转换为大写/小写时，字符串是否会变短？

1 个答案:

结论