Python：lower()函数与德语Umlauts

Question

我在将带有umlauts的大写字母转换为小写字母时遇到了问题。

print("ÄÖÜAOU".lower())

字母A、O和U被正确转换，但Ä、Ö和Ü保持大写。有什么想法吗？

第一个问题已通过.decode('utf-8')解决，但我仍然有第二个问题：

# -*- coding: utf-8 -*-
original_message="ÄÜ".decode('utf-8')
original_message=original_message.lower()
original_message=original_message.replace("ä", "x")
print(original_message)

错误回溯（Traceback）如下所示： 在文件 "Untitled.py" 的第4行，出现了以下错误：original_message=original_message.replace("ä", "x") UnicodeDecodeError: 'ascii' 编解码器无法解码第0个位置上的字节（byte 0xc3），因为其编码值不在128范围内。

- user2104634

---

你使用的是Python 2还是3？ - Martijn Pieters

Python 2.7.2 是随 OSX 发送的版本。 - user2104634

那就是你的问题所在。 - Oleh Prypin

Answer 1

如果您正在处理纯ASCII文本以外的内容，您需要将其标记为Unicode字符串。

> print(u"ÄÖÜAOU".lower())

äöüaou

当处理变量时，它的工作方式相同，这完全取决于最初分配给变量的类型。

> olle = "ÅÄÖABC"
> print(olle.lower())
ÅÄÖabc

> olle = u"ÅÄÖABC"
> print(olle.lower())
åäöabc

- Joachim Isaksson

---

@user2104634 上述示例在Mac OS X上的标准Python 2.7.2上运行。如果不标记为Unicode，它只会将ASCII字符转换为小写字母；使用u标记，它会给出正确的输出。 - Joachim Isaksson

正如Matthias所说，编码元数据只是帮助Python正确检测文件编码的，与运行时的ASCII和Unicode字符串无关。 - Joachim Isaksson

如果 original_message 包含 Unicode 字符串，那么它将正常工作。在答案中添加了一个示例。 - Joachim Isaksson

问题在于变量来自于一个 raw_input。 - user2104634

它能正常工作，直到脚本遇到应该替换字符的点。 - user2104634

Answer 2

您正在处理编码字符串，而不是Unicode文本。字节字符串的 .lower() 方法只能处理ASCII值。将您的字符串解码为Unicode或使用 unicode 字面量 (u'')，然后转换为小写。

>>> print u"\xc4AOU".lower()
äaou

- Martijn Pieters

---

@user2104634: 你需要阅读 Python Unicode HOWTO；你需要将变量解码为 unicode 值(variable.decode(encoding'))。 - Martijn Pieters

Answer 3

如果您正在使用Python 2，但不想在所有字符串前加上u""，请在程序开头添加以下内容：

from __future__ import unicode_literals
olle = "ÅÄÖABC"
print(olle.lower())

现在将返回:

åäöabc

编码指定如何将从磁盘读取的字符解释为程序，但 from __future__ import 语句告诉程序如何解释这些字符串。你可能需要同时使用两者。

- Michael Scott Asato Cuthbert

---

今天，我的建议是——使用Python 3。unicode_literals在许多地方都无法正常工作，因此不值得使用。 - Michael Scott Asato Cuthbert