Python 语言环境感知字符串比较

Question

在德语中，eszett 字母“ß”等同于“ss”。

Python 允许区域感知字符串比较，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？

(当语言环境设置为德语时，为什么 locale.strcoll(foo, bar) 不返回 0？)

澄清一下，我对通用解决方案感兴趣，而不是特定于德语的解决方案。 Java 的区域感知字符串比较解决方案是它的 java.text.Collator类(class)。 C# 的解决方案是它的 System.Globalization.CultureInfo类(class)。 Python有这样的东西吗？ (如果不是，不应该吗？)

出于好奇，这里有一个在 Java 中使用 Collat​​or 的例子:

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

从一个脚本到另一个脚本的转换过程称为 transliteration .