推荐学习书目 Learn Python the Hard Way Python Sites PyPI - Python Package Index http://diveintopython.org/toc/index.html Pocoo 值得关注的项目 PyPy Celery Jinja2 Read the Docs gevent pyenv virtualenv Stackless Python Beautiful Soup 结巴中文分词 Green Unicorn Sentry Shovel Pyflakes pytest Python 编程 pep8 Checker Styles PEP 8 Google Python Style Guide Code Style from The Hitchhiker's Guide
这是一个创建于 1764 天前的主题，其中的信息可能已经有所发展或是发生改变。
xdm，遇到一个问题。
背景：
需要比较两个字符串是否相等, 无视中英文标点符号
问题:
通过replace等格式转换之后, 比较两个字符串
d = "进出口中心" s = "进出口中心" print(d == s) 但是两个看起来一样的字符串不相等, 第一个中间出现了特殊字符
如何把这种特殊符号处理掉，然后按相同去判断？
 | 1 Te11UA 2021 年 5 月 6 日 ``` import re def filter_str(desstr, restr=''): # 过滤除中英文及数字以外的其他字符 res = re.compile("[^\\u4e00-\\u9fa5^a-z^A-Z^0-9]") return res.sub(restr, desstr) print(filter_str(d) == s) ``` |
 | 2 vegetableChick OP @Te11UA `- ) ( , .`会有这些符号 |
| 3 Te11UA 2021 年 5 月 6 日 @vegetableChick #2 自己加正则不就行了 |
 | 4 no1xsyzy 2021 年 5 月 6 日 通常来说是根据可打印与否来分析 ''.join(c for c in d if c.isprintable()) 但如果空格也不需要的话，对每个字符 strip 也可 ''.join(c.strip() for c in d) 具体情况，具体分析 @Te11UA 一个 [] 里面只需要一个 ^ 就行。你现在这个代码 filter_str("^") == "^"，与注释不符 |
 | 5 bytesfold 2021 年 5 月 6 日 Python Cookbook 第二章第九节 |
 | 6 mekingname 2021 年 5 月 6 日 @bytesfold normalize 并不能移除`\u2029`这个零宽字符。 |
 | 7 NoAnyLove 2021 年 5 月 6 日 ^ 2.12 |
 | 8 Ug24m31 2021 年 5 月 6 日 某些部首的问题，github 上有康熙部首替换字典 |
| 10 vegetableChick OP |
 | 11 luckyc 2021 年 5 月 6 日 长得一样, Unicode 不一样. |
 | 12 no1xsyzy 2021 年 5 月 7 日 print(f"{d=}, {s=}") 特定这个问题，这里是 d 里面有个 U+2029 Paragraph Separator 参考： https://www.compart.com/en/unicode/U+2029 不单纯考虑这个问题的话 Unicode 有 NFKC 、NFKD 、NFC 和 NFD 四种正规形式，参考：《 Unicode 等价性》 https://zh.wikipedia.org/wiki/Unicode%E7%AD%89%E5%83%B9%E6%80%A7 但这块 CJK 比较少见 除此以外，Unicode 本身有错，同形没合并的不少，常用字也偶有这种情况，繁体、中简、日简尤其严重。（有时会觉得，不如不要 CJK，这样多种字体并用也很容易，不需要 <html lang=...> 这种东西。） |
 | 13 kkzxak47 2021 年 5 月 7 日 via Android “格式转换”这种事情应该让你的数据变得更好处理，然而现在变得更难处理，所以应该修改之前的处理步骤，而不是进入到一个失控的状态再来想办法。 |
Select Language