Python: How to compare unicode unicode in variable

Look, der Buchstabe ç (ein char, der nicht in ASCII) kann dargestellt werden als ein str-Objekt oder als unicode-Objekt (vielleicht sind Sie ein wenig verwirrt über das, was unicode bedeutet).

Auch, wenn Sie versuchen, erstellen Sie eine unicode-Objekt, die nicht im ASCII-Tabelle, müssen Sie passieren eine andere Kodierung Tabelle:

unicode('ç')

Dieser löst ein UnicodeDecodeError weil 'ç' ist nicht in ASCII, sondern

unicode('ç', encoding='utf-8')

arbeiten, weil 'ç' vorgestellt, die in UTF-8-Kodierung Tabelle (als Ihre arabischen Buchstaben).

Vergleichen kann man unicode-Objekte mit unicode-Objekte die gleiche Weise können Sie vergleichen, str Objekte mit str-Objekte, und all das muss funktionieren.

Können, können Sie auch vergleichen, ein str-Objekt mit unicode-Objekt, aber das ist fehleranfällig, wenn Sie vergleichen, die nicht-ASCII-Zeichen: 'ç' als str '\xc3\xa7', sondern als unicode-es ist nur '\xe7' (False zurückgeben, in einem Vergleich).

Also @Karsa kann wirklich sein Recht. Das problem mit der 'Variablen' (in Python, ein besseres Wort ist-Objekte). Sie müssen bestätigen, dass Sie den Vergleich nur str oder nur unicode-Objekte.

So, einen besseren code könnte sein:

#-*- coding: utf-8 -*-

def compare_first_letter(phrase, compare_letter):
    # making all unicode objects, with utf-8 codec
    compare_letter = unicode(compare_letter,encoding='utf-8')
    phrase = unicode(phrase,encoding='utf-8')
    # taking the first letters of each word in phrase
    first_letters = [word[0] for word in phrase.split()]
    # comparing the  first letters with the letter you want
    for letter in first_letters:
        if letter != compare_letter:
            return False
    return True # or your reply function

letter = 'ç'
phrase_1 = "one two three four"
phrase_2 = "çarinha çapoca çamuca"

print(compare_first_letter(phrase_1,letter))
print(compare_first_letter(phrase_2,letter))

Denke ich, dass Sie nicht verstehen, Unicode vs. encoding.

Finden Sie in diesem Artikel: http://www.joelonsoftware.com/articles/Unicode.html

Beachten Sie die folgenden... UTF-8 ist eine Kodierung von Unicode, aber ist nicht Unicode. Die # coding: utf-8 Erklärung oben in der Quelle unten, erklärt Sie die Kodierung der Quelldatei als auf der Festplatte gespeichert. a = u'ç' erklärt Unicode variable. b = 'ç' ist ein byte-string in der Quell-Kodierung (utf-8).

Beachten Sie, dass repr zeigt verschiedene source-ähnliche Darstellung der Zeichenfolge, so dass Sie können sagen, der Unterschied. type gibt den Objekt-Typ.

# coding: utf-8
a = u'ç'
b = 'ç'

print a
print b
print repr(a)
print repr(b)
print type(a)
print type(b)
print a==b                  # Not comparing same types.
print a==b.decode('utf8')   # Comparing both as Unicode strings.
print a.encode('utf8')==b   # Comparing both as byte strings.

a und b drucken die gleichen, aber sind nicht das gleiche:

ç
ç
u'\xe7'
'\xc3\xa7'
<type 'unicode'>
<type 'str'>
C:\Users\metolone\Desktop\Script1.py:11: UnicodeWarning: Unicode equal comparison failed to convert both arguments to Unicode - interpreting them as being unequal
  print a==b
False
True
True

Ihre letter1 und letter2 sind zwei verschiedene Arten von strings.

Hier ist ein vollständiges Beispiel das Lesen eines word-Liste aus einer Datei und nehmen Eingaben von einem Benutzer:

import sys
import codecs

# The word list was saved in UTF-8 encoding.  It can be in any encoding
# as long as the correct one is specified when reading it in.
# `codecs.open` will convert the input to Unicode.
with codecs.open('words.txt','r',encoding='utf8') as f:
    word_list = f.read().strip().splitlines()

print 'word_list and type:',word_list,type(word_list[0])

# Different consoles can have different input encodings.  Let's see what it is.
print 'My terminal encoding:',sys.stdin.encoding

# Read a word in the input encoding.  We'll convert to Unicode later.
word = raw_input('Word? ')
print 'word, content and type:',word,repr(word),type(word)

# Now decode the input to Unicode.
word = word.decode(sys.stdin.encoding)
print 'converted word, content and type:',word,repr(word),type(word)

# Compare the two Unicode strings
print 'Comparison:',word in word_list

Ausgabe von UNS Windows-Konsole. Beachten Sie, dass die verschiedenen Konsolen haben verschiedene Codierungen. Linux ist in der Regel UTF-8. Nicht-US-Windows-Konsole können unterschiedlich sein.

word_list and type: [u'\ufeffadi\xf3s', u'ping\xfcino'] <type 'unicode'>
My terminal encoding: cp437
Word? pingüino
word, content and type: pingüino 'ping\x81ino' <type 'str'>
converted word, content and type: pingüino u'ping\xfcino' <type 'unicode'>
Comparison: True