如何将Unicode转换为大写以打印输出？

Question

我有这个:

>>> print 'example'
example
>>> print 'exámple'
exámple
>>> print 'exámple'.upper()
EXáMPLE

如何打印：

EXÁMPLE

(字母 'a' 大写时如何获得重音符号。)

我正在使用 Python 2.6。

- Alex. S.

Answer 1

我认为这很简单，只需不先转换为ASCII。

 >>> print u'exámple'.upper()
 EXÁMPLE

- tylerl

---

如果我输入 s = 'exámñple'，如何将 s 正确地以大写形式打印出来？ - Alex. S.

我的意思是，我如何在不出现UnicodeDecodeError错误的情况下将s转换为Unicode？（我之前使用的是u''+s） - Alex. S.

那是另一个问题，但你必须将sysencoding设置为utf。在这里看一下：https://dev59.com/KXVD5IYBdhLWcg3wWaVh#8020 - Bartosz Radaczyński

Answer 2

在Python 2.x中，在调用upper()函数之前，只需将字符串转换为Unicode即可。在此网页上使用的是UTF-8格式的代码：

在Python 2.x中，只需在调用upper()函数之前将字符串转换为Unicode即可。使用您在此网页上的UTF-8格式代码：

>>> s = 'exámple'
>>> s
'ex\xc3\xa1mple'  # my terminal is not utf8. c3a1 is the UTF-8 hex for á
>>> s.decode('utf-8').upper()
u'EX\xc1MPLE'  # c1 is the utf-16 aka unicode for á

调用 decode 方法将字符串从其当前格式转换为 Unicode 格式。随后，您可以使用 encode 将其转换为其他格式，比如 UTF-8。假如该字符处于 iso-8859-2 编码（例如捷克语等），则应使用 s.decode('iso-8859-2').upper()。

如果您的终端不支持 Unicode/UTF-8，则最好的选择是以十六进制形式显示这些字符（像我的环境一样），或者使用 s.decode('utf-8').upper().encode('ascii', 'replace') 进行非严格转换，结果为 'EX?MPLE'。如果您无法使终端显示 Unicode，请将输出写入 UTF-8 格式的文件，并在您喜欢的编辑器中打开它。

- Jarret Hardie

Answer 3

首先，我现在只使用 Python 3.1；它的主要优点在于将字节字符串与 unicode 对象进行了区分。这使得大多数文本操作比过去更加安全。考虑到关于 Python 2.x 编码问题的无数用户问题，Python 2.1 的 u'äbc 惯例只是一个错误；有了明确的 bytes 和 bytearray，生活变得更加轻松。

其次，如果你不喜欢 Py3k，那么尝试使用 from __future__ import unicode_literals，这将在 Python 2.6 和 2.7 上模仿 Py3k 的行为。这个东西将避免你在说 print 'exámple'.upper() 时犯下（容易犯的）错误。基本上，这与 Py3k 相同：print( 'exámple'.encode( 'utf-8' ).upper() )。比较一下这些版本（对于 Py3k）：

print( 'exámple'.encode( 'utf-8' ).upper() )
print( 'exámple'.encode( 'utf-8' ).upper().decode( 'utf-8' ) )
print( 'exámple'.upper() )

第一个问题，基本上是你使用裸字符串'exámple'时所做的，前提是您将默认编码设置为utf-8（根据BDFL的声明，在运行时设置默认编码是不好的想法，因此在py2中，您需要通过说import sys; reload(sys);sys.setdefaultencoding('utf-8')来欺骗它；我在下面介绍了py3k的更好解决方案）。当您查看这三行代码的输出时：

b'EX\xc3\xa1MPLE'
EXáMPLE
EXÁMPLE

你可以看到，当upper()应用于第一个文本时，它作用于字节而不是字符。Python允许在字节上使用upper()方法，但仅定义在US-ASCII解释的字节上。由于UTF-8使用值在8位之内，但在US-ASCII之外（128到255，这些未被US-ASCII使用），因此这些值不会受到upper()的影响，所以当我们在第二行解码回来时，我们得到那个小写的á。最后，第三行做得对，而且是的，Python似乎知道Á是对应于á的大写字母。我进行了快速测试，看看Python 3不转换大小写的字符有哪些：

for cid in range( 3000 ):
  my_chr = chr( cid )
  if my_chr == my_chr.upper() and my_chr == my_chr.lower():
    say( my_chr )

浏览列表会发现很少出现拉丁文、西里尔文或希腊字母，大部分输出是非欧洲字符和标点符号。我只能找到 Python 弄错的 Ԥ/ԥ (\u0524, \u0525, '西里尔大写/小写字母带降音符 pe') 这些字符，所以只要你不使用 Latin Extended-X 块（可以查看一下，可能会有惊喜），你就可以使用这种方法。当然，我没有检查映射的正确性。

最后，在我的 Py3k 应用程序启动部分中，我添加了一个重新定义编码 sys.stdout 视图的方法，作为备选方案使用数值字符引用（NCRs），这样打印到标准输出时将永远不会引发 Unicode 编码错误。当我在 Ubuntu 上工作时，_sys.stdout.encoding 是 utf-8；当同一程序运行在 Windows 上时，它可能是像 cp850 这样古怪的编码。输出可能看起来很奇怪，但应用程序在那些愚笨的终端上运行时不会引发异常。

#===========================================================================================================
# MAKE STDOUT BEHAVE IN A FAILSAFE MANNER
#-----------------------------------------------------------------------------------------------------------
def _harden_stdout():
  """Ensure that unprintable output to STDOUT does not cause encoding errors; use XML character references
  so any kind of output gets a chance to render in a decipherable way."""
  global _sys_TRM
  _sys.stdout       = _sys_TRM = _sys_io.TextIOWrapper(
    _sys.stdout.buffer,
    encoding        = _sys.stdout.encoding,
    errors          = 'xmlcharrefreplace',
    line_buffering  = true )
#...........................................................................................................
_harden_stdout()

给你一个额外的建议：在测试时，始终尝试打印print repr( x )或类似的内容，以显示x的标识。如果您在py2中只打印x，并且x是八位字节字符串或unicode对象，则可能会出现各种误解。这非常令人困惑，容易引起很多烦恼。正如我所说，尝试至少使用来自未来的导入unicode文字的py26。

最后引用一句话：“Glyph Lefkowitz在他的文章Encoding中说得最好：

  

我相信，在这个讨论的背景下，“字符串”这个术语是毫无意义的。有文本和面向字节的数据（可以很好地表示文本，但尚未转换为文本）。在Python类型中，Text是unicode。Data是str。“非Unicode文本”的想法只是一种等待发生错误的编程错误。

更新：刚刚发现python 3正确地将ſ LATIN SMALL LETTER LONG S转换为S，当大写时。不错！

- flow

Answer 4

我认为我们在这里缺少一些背景：

>>> type('hello')
<type 'str'>

>>> type(u'hello')
<type 'unicode'>

只要您使用“unicode”字符串而不是“native”字符串，像upper()这样的运算符将考虑到unicode。值得一提的是，Python 3默认使用unicode，使得区别在很大程度上变得无关紧要。

将字符串从“unicode”转换为“str”，然后再转换回“unicode”在许多方面都不太理想，并且许多库将在需要时生成unicode输出；因此，尽可能只在内部使用“unicode”对象作为字符串。

- tylerl

Answer 5

试一下：

s = 'exámple'
print unicode(s).upper()

- TukanF1

---

这是一个已有八年历史的问题，有一个被接受的答案，顺便说一下，它几乎与你的答案完全相同。我们可能需要的是一个可行的替代方案。请确保你的答案提供了这个方案。 - baduker