我怎样才能Unicode转换为大写打印呢？

StackOverflow https://stackoverflow.com/questions/727507

题

我有这样的：

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

我需要做的打印：

EXÁMPLE

（这里的 'a' 获得其accute口音，但在大写。）

我使用Python 2.6。

有帮助吗？

解决方案

我认为这是作为的不转换第一至ASCII。

作为简单 
 >>> print u'exámple'.upper()
 EXÁMPLE

其他提示

在蟒2.x的，只是转换调用上之前为Unicode字符串（）。使用您的代码，这是UTF-8格式本网页：

>>> 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

要decode采取它从当前格式为Unicode的呼叫。然后，您可以将其转换为其他格式，如UTF-8，使用编码。如果字符是，说，ISO-8859-2（捷克等，在这种情况下），你会改用s.decode('iso-8859-2').upper()。

由于在我的情况，如果你的终端不兼容的Unicode / UTF-8，你可以期望的最好的是无论是字符的十六进制表示（像我），或有损地使用s.decode('utf-8').upper().encode('ascii', 'replace')，这会导致将其转换“ EX？MPLE”。如果你不能让你的终端显示unicode的，写在UTF-8格式输出到一个文件，并打开，在你喜欢的编辑器。

首先，我只使用Python 3.1这些天;其核心意义在于具有Unicode对象消除歧义的字节串。这使得绝大多数的文本操作的要比过去的情况要安全得多。在用户问题关于蟒蛇2.x的编码问题万亿称重，蟒蛇2.1 u'äbc约定只是一个错误;具有明确bytes和bytearray，生活变得容易得多。

其次，如果py3k是不是你的口味，然后尝试去from __future__ import unicode_literals，因为这会模仿Python的2.6和2.7 py3k的行为。这件事情本来可以避免的（容易犯）跌跌撞撞说print 'exámple'.upper()你这么做的时候。本质上，这是相同py3k：print( 'exámple'.encode( 'utf-8' ).upper() )。比较这些版本（py3k）：

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

第一个是，基本上，你做了什么用裸字符串'exámple'的时候，只要你设置你的默认编码utf-8（根据BDFL宣告，在运行时设置的默认编码是一个坏主意，所以在PY2你必须说import sys; reload( sys ); sys.setdefaultencoding( 'utf-8' )欺骗它，我提出一个更好的解决方案为py3k下文）。当你看这三行的输出：

b'EX\xc3\xa1MPLE'
EXáMPLE
EXÁMPLE

您可以看到，当upper()得到了适用于第一个文本，它作用于字节，而不是字符。 Python允许对字节upper()方法，但它仅是在字节的US-ASCII解释定义。因为UTF-8使用值内 8位，但 US-ASCII（128到255，其不使用US-ASCII）以外，那些将不会被受upper()，所以当我们在第二行解码回来了，我们得到了小写á。最后，第三行则是正确的，是的，惊讶的是，蟒蛇似乎意识到Á是对应于á大写字母。我跑的快速测试，以查看什么字符蟒3不大写和小写之间进行转换：

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

细读列表揭示的拉丁，西里尔，或希腊字母很少发生率;大部分输出的非欧洲字符和标点符号。唯一的字符我能找到的蟒蛇得到了错误的Ԥ/ԥ（\ u0524 \ u0525，“西里尔{资本|小}与伸字母PE”），所以只要你留在拉丁文扩展-X块之外（看看这些，他们可能会产生意外），你实际上可能会使用该方法。当然，我没有检查映射的正确性。

最后，这里是我把我的py3k应用引导部分：重新定义编码sys.stdout看到的方法，用数值字符引用（NCR的）作为后备;这具有打印到标准输出绝不会提出一个unicode编码错误的影响。当我在Ubuntu的工作，_sys.stdout.encoding是utf-8;当同样的程序在Windows上运行，它可能是古朴像cp850。输出可能看起来starnge，但应用程序而对那些愚笨端子产生异常运行。

#===========================================================================================================
# 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()

多一个忠告：测试时，总是试图print repr( x )或揭示x的身份类似的事情。种种误解可以突然出现，如果你只是在PY2 print x和x或者是一个字节串或一个unicode对象。它很不解，容易造成大量的头划伤的。正如我所说的，尝试移动至少与从未来进口的Unicode文本咒语py26。

和关闭，引用了一句名言：“莱夫科维茨雕文在他的文章编码最好说， ：

  

相信在这样的背景下   讨论中，“串”一词   无意义的。有文字，有   为B面向YTE数据（其可以非常   还有代表文本，但尚未   转换到它）。在Python类型，   文字是unicode。数据是海峡。这个想法   “非Unicode文本”只是一个   编程错误等待发生。“

更新：刚发现蟒3正确地转换uppercasing当s拉丁小写字母LONG s到S上。整齐！

我觉得有一点背景我们在这里失踪的：

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

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

只要你使用“统一”的字符串，而不是“本土”的字符串，像上）的运营商（将在考虑统一操作。 FWIW，Python 3中默认使用的unicode，使得区别很大程度上不相关的。

以从unicode一个字符串str然后回到unicode是次优的方法很多，如果你想它的许多图书馆将产生的unicode输出;所以要尽量时，您可以在内部使用仅unicode对象的字符串。

尝试：

s = 'exámple'
print unicode(s).upper()
许可以下： CC-BY-SA 和 归因
不隶属于 StackOverflow
scroll top