忽略Python字符串中的大小写

Question

在Python中比较字符串最简单的方法是什么，忽略大小写？

当然可以（str1.lower（）<；=str2.lower（））等，但这会创建两个额外的临时字符串（带有明显的alloc/g-c开销）。

我想我在找一个与C的stricmp（）等价的。

[需要更多的上下文，因此我将用一个简单的示例演示：]

假设您想对一个长串列表进行排序。您只需执行list.sort（）。 这是O（n*log（n））字符串比较，没有内存管理（因为 字符串和列表元素是某种智能指针）。你很快乐。

现在，您也希望这样做，但是忽略这个情况（让我们简化一下 所有字符串都是ascii，因此可以忽略区域设置问题）。 您可以执行list.sort（key=lambda s:s.lower（）），但随后会导致两个新的 每次比较的分配，加上重复的 （降低）弦。 每一个这样的内存管理噪声都比简单的字符串比较慢几个数量级。

现在，有了一个与stricmp（）类似的函数，就可以做到：theList.sort（cmp=stricmp） 它和list.sort（）一样快速，并且对内存友好。你又快乐了。

问题是任何基于Python的不区分大小写的比较都涉及隐式字符串 重复，所以我希望找到基于C的比较（可能在模块字符串中）。

找不到这样的东西，所以这里有个问题。 （希望这能澄清问题）。

Answer 1

作为对你澄清的回应。。。

您可以使用ctypes来执行c函数“strcasecmp”。Ctypes包含在Python2.5中。它提供了调用dll和libc等共享库的能力。下面是一个简单的示例（Linux上的Python；请参阅Win32帮助的链接）：

from ctypes import *
libc = CDLL("libc.so.6")  // see link above for Win32 help
libc.strcasecmp("THIS", "this") // returns 0
libc.strcasecmp("THIS", "THAT") // returns 8

可能还想引用strcasecmp documentation

不确定这是快还是慢（还没有测试过），但这是一种使用C函数进行不区分大小写字符串比较的方法。

~~~~~~~~~~~~~~~~~~

ActiveState Code - Recipe 194371: Case Insensitive Strings 是创建不区分大小写的字符串类的配方。它可能有点过于简单，但如果您打算经常使用不区分大小写的字符串，则可以为您提供一种处理这些字符串的通用方法。

Answer 2

下面是一个基准测试，它表明使用^{}比接受答案建议的方法（libc.strcasecmp）更快：

#!/usr/bin/env python2.7
import random
import timeit

from ctypes import *
libc = CDLL('libc.dylib') # change to 'libc.so.6' on linux

with open('/usr/share/dict/words', 'r') as wordlist:
    words = wordlist.read().splitlines()
random.shuffle(words)
print '%i words in list' % len(words)

setup = 'from __main__ import words, libc; gc.enable()'
stmts = [
    ('simple sort', 'sorted(words)'),
    ('sort with key=str.lower', 'sorted(words, key=str.lower)'),
    ('sort with cmp=libc.strcasecmp', 'sorted(words, cmp=libc.strcasecmp)'),
]

for (comment, stmt) in stmts:
    t = timeit.Timer(stmt=stmt, setup=setup)
    print '%s: %.2f msec/pass' % (comment, (1000*t.timeit(10)/10))

我机器上的典型时间：

235886 words in list
simple sort: 483.59 msec/pass
sort with key=str.lower: 1064.70 msec/pass
sort with cmp=libc.strcasecmp: 5487.86 msec/pass

因此，目前为止，str.lower的版本不仅是最快的，而且也是这里所有建议的解决方案中最可移植和最易懂的。 我没有描述内存使用情况，但原始海报仍然没有给出令人信服的理由来担心它。另外，谁说对libc模块的调用不会复制任何字符串？

注意：lower()字符串方法还具有依赖于区域设置的优点。在编写自己的“优化”解决方案时，您可能会遇到一些问题。即便如此，由于Python中的错误和缺少的特性，这种比较可能会在unicode上下文中给出错误的结果。

Answer 3

你的问题意味着你不需要Unicode。请尝试下面的代码片段；如果它对您有效，您就完成了：

Python 2.5.2 (r252:60911, Aug 22 2008, 02:34:17)
[GCC 4.3.1] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import locale
>>> locale.setlocale(locale.LC_COLLATE, "en_US")
'en_US'
>>> sorted("ABCabc", key=locale.strxfrm)
['a', 'A', 'b', 'B', 'c', 'C']
>>> sorted("ABCabc", cmp=locale.strcoll)
['a', 'A', 'b', 'B', 'c', 'C']

澄清：如果乍一看不明显，locale.strcoll似乎是您需要的函数，避免str.lower或locale.strxfm“重复”字符串。