比较2个字符串而不考虑Python中的重音[重复]

Posted 2023-02-24

【中文标题】比较2个字符串而不考虑Python中的重音[重复]

【英文标题】：Compare 2 strings without considering accents in Python [duplicate]

【发布时间】：2014-01-10 20:42:06

【问题描述】：

如果字符串相同，我想比较 2 个字符串并使用True，而不考虑重音符号。

示例：我想要以下代码来打印“Bonjour”

if 'séquoia' in 'Mon sequoia est vert':
    print 'Bonjour'

【问题讨论】：

转换为完全分解的范式，去掉重音，比较。

链接：***.com/questions/517923/…

【参考方案1】：

（抱歉，派对迟到了！！）

不如这样做：

>>> unicodedata.normalize('NFKD', u'î ï í ī į ì').encode('ASCII', 'ignore')
'i i i i i i'

无需遍历任何内容。 @Maxime Lorant 的回答非常低效。

>>> import timeit
>>> code = """
import string, unicodedata
def remove_accents(data):
    return ''.join(x for x in unicodedata.normalize('NFKD', data) if x in string.ascii_letters).lower()
"""
>>> timeit.timeit("remove_accents(u'séquoia')", setup=code)
3.6028339862823486
>>> timeit.timeit("unicodedata.normalize('NFKD', u'séquoia').encode('ASCII', 'ignore')", setup='import unicodedata')
0.7447490692138672

提示：越少越好

另外，我确信unidecode@Seur 建议的包还有其他优点，但与不需要第三方库的本机选项相比，它仍然非常慢。

>>> timeit.timeit("unicodedata.normalize('NFKD', u'séquoia').encode('ASCII', 'ignore')", setup="import unicodedata")
0.7662729263305664
>>> timeit.timeit("unidecode.unidecode(u'séquoia')", setup="import unidecode")
7.489392042160034

提示：越少越好

把它们放在一起：

clean_text = unicodedata.normalize('NFKD', u'séquoia').encode('ASCII', 'ignore')
if clean_text in 'Mon sequoia est vert':
    ...

【参考方案2】：

你应该使用Unidecode包中的unidecode函数：

from unidecode import unidecode

if unidecode(u'séquoia') in 'Mon sequoia est vert':
    print 'Bonjour'

【参考方案3】：

你应该看看Unidecode。使用模块和这个方法，你可以得到一个没有重音的字符串，然后进行比较：

def remove_accents(data):
    return ''.join(x for x in unicodedata.normalize('NFKD', data) if x in string.ascii_letters).lower()


if remove_accents('séquoia') in 'Mon sequoia est vert':
    # Do something
    pass

Reference from ***

【讨论】：

如果单词是“séQuoIa”，这将不起作用，因为remove_accents 方法将所有字符都变成小写。