如何将Unicode转换为大写以打印它?

我觉得这很简单 不 先转换成ASCII码。

 >>> print u'exámple'.upper()
 EXÁMPLE

在python 2.x中,只需在调用upper()之前将字符串转换为unicode。使用您的代码,此网页采用UTF-8格式:

>>> s = 'exámple'
>>> s
'ex\xc3\xa1mple'  # my terminal is not utf8. c3a1 is the UTF-8 hex for á
>>> s.decode('utf-8').upper()
u'EX\xc1MPLE'  # c1 is the utf-16 aka unicode for á

呼唤 decode 将其从当前格式转换为Unicode格式。然后可以使用encode将其转换为其他格式,如utf-8。如果字符在,比如说,iso-8859-2(捷克语等,在本例中),您将使用 s.decode('iso-8859-2').upper() .

在我的例子中,如果您的终端不符合unicode/utf-8标准,您所能期望的最好的方法是使用十六进制字符表示(如mine),或者使用 s.decode('utf-8').upper().encode('ascii', 'replace') ,哪个结果是“ex”?梅普尔如果不能使终端显示unicode,请将输出以utf-8格式写入文件,然后在最喜欢的编辑器中打开。

首先,现在我只使用Python3.1;它的主要优点是从Unicode对象中消除了字节字符串的歧义。这使得大多数文本操作比以前更安全。考虑到用户对python 2.x编码问题提出的数万亿个问题, u'äbc python 2.1的约定只是一个错误;带有明确的 bytes 和 bytearray 生活变得容易多了。

第二,如果PY3K不是你的口味,那么试着搭配 from __future__ import unicode_literals ,因为这将模仿py3k在python 2.6和2.7上的行为。这件事本可以避免你说的(容易犯的)错误。 print 'exámple'.upper() . 基本上,这与PY3K中的情况相同: print( 'exámple'.encode( 'utf-8' ).upper() ) . 比较这些版本(对于PY3K):

print( 'exámple'.encode( 'utf-8' ).upper() )
print( 'exámple'.encode( 'utf-8' ).upper().decode( 'utf-8' ) )
print( 'exámple'.upper() )

第一个是,基本上,当使用裸字符串时所做的操作 'exámple' ,前提是将默认编码设置为 utf-8 (根据bdfl声明,在运行时设置默认编码是一个坏主意,因此在py2中,您必须通过说 import sys; reload( sys ); sys.setdefaultencoding( 'utf-8' ) ;我在下面为py3k提供了一个更好的解决方案)。当您查看这三行的输出时:

b'EX\xc3\xa1MPLE'
EXáMPLE
EXÁMPLE

你可以在什么时候看到 upper() 应用于第一个文本时,它作用于字节,而不是字符。python允许 上() 方法,但它仅在字节的US-ASCII解释中定义。因为utf-8使用值 在内部 8位 外部 对于us-ascii(128到255,US-ascii不使用),它们不会受到 上() 所以当我们在第二行解码时,我们得到的是小写 á . 最后,第三行是正确的,是的,令人惊讶的是,python似乎意识到 Á 大写字母是否与 γ . 我运行了一个快速测试来查看python 3在大小写之间不转换的字符:

for cid in range( 3000 ):
  my_chr = chr( cid )
  if my_chr == my_chr.upper() and my_chr == my_chr.lower():
    say( my_chr )

仔细阅读这个列表可以发现很少有拉丁字母、西里尔字母或希腊字母出现;大部分输出是非欧洲字符和标点符号。我唯一能发现python搞错的字符是_￥/￥(\u0524、\u0525,'cyrillic capital small letter pe with downsor'),只要您不在拉丁扩展X块之外(查看这些,它们可能会产生意外),就可以实际使用该方法。当然,我没有检查映射的正确性。

最后,这里是我在PY3K应用程序引导部分中所做的:一种重新定义编码的方法 sys.stdout 将数字字符引用(NCR)视为回退;这会导致打印到标准输出时永远不会引发Unicode编码错误。当我在Ubuntu工作时, _sys.stdout.encoding 是 UTF-8 ;当同一个程序在Windows上运行时,它可能是类似于 cp850 . 输出可能看起来很标准,但应用程序运行时不会在这些笨重的终端上引发异常。

#===========================================================================================================
# MAKE STDOUT BEHAVE IN A FAILSAFE MANNER
#-----------------------------------------------------------------------------------------------------------
def _harden_stdout():
  """Ensure that unprintable output to STDOUT does not cause encoding errors; use XML character references
  so any kind of output gets a chance to render in a decipherable way."""
  global _sys_TRM
  _sys.stdout       = _sys_TRM = _sys_io.TextIOWrapper(
    _sys.stdout.buffer,
    encoding        = _sys.stdout.encoding,
    errors          = 'xmlcharrefreplace',
    line_buffering  = true )
#...........................................................................................................
_harden_stdout()

还有一条建议:当测试时,一定要尝试 print repr( x ) 或者类似的东西,揭示了 x . 如果你只是 print x 在PY2中 X 是八进制字符串或Unicode对象。这是非常令人费解和容易造成很多头抓伤。如我所说,试着用将来导入的Unicode文字咒语至少移动到PY26。

最后,引用一句话:“莱夫科维茨在他的文章中说得最好。 Encoding :

我相信在这个背景下 讨论,术语“字符串”是 无意义的。有文本,还有 是面向字节的数据(可能 很好地表示文本,但还没有 已转换为它)。在python类型中, 文本为Unicode。数据是str.的想法 “非Unicode文本”只是 正在等待发生编程错误。“

更新:刚刚发现python 3在大写时正确地将拉丁文小写字母long s转换为s。整洁!

我觉得这里缺少一些背景:

>>> type('hello')
<type 'str'>

>>> type(u'hello')
<type 'unicode'>

只要您使用的是“unicode”字符串而不是“native”字符串,那么upper()之类的运算符就可以使用unicode进行操作。默认情况下,python 3使用unicode,这使得区别在很大程度上不相关。

从中提取字符串 unicode 到 str 然后回到 统一码 在许多方面都是次优的,如果需要,许多库将生成Unicode输出;因此请尝试仅使用 统一码 任何时候都可以在内部为字符串创建对象。

试试看:

s = 'exámple'
print unicode(s).upper()