python比較中文字元串

① 如何用python語言比較兩個中文字元串是否相等

在python里，漢字分位元組流和unicode字元串：
參考http://www.sqlite.com.cn/MySqlite/11/395.Html
例如「哈」字，假如兩個有兩個字元str1和str2
str1
=
'\xb9\xfe'
//
這個位元組流表示哈字是使用GBK編碼的位元組流
str2
=
u'\u54c8
//
表示這個字元使用UNICODE-16編碼
判斷相等：
str1.decode('GBK')
==
str2
統一轉換成UNICODE16比較，
如果str2不是UNICODE16編碼，也需要做相應的轉換。

② python 判斷兩個中文字元串是否相同

都是unicode就可以直接比較。將清除前後的空格。再用type檢查他們的確都是unicode。就可以直接比較了。

從文件中直接讀出的詞語，通常是BYTE形式。是編碼好了的。不是unicode。要DECODE一次（python2.x）才可以。

③ python中字元怎麼比較大小排序

任何兩個對象都可以比較
相同類型的對象（實例），如果是數字型（int/float/long/complex)，則按照簡單的大小來比較；如果是非數字型，且類（型）中定義了__cmp__（含__gt__,__lt__等）則按照__cmp__來比較，否則按照地址（id)來比較
不同類型的對象（實例），如果其中一個比較對象是數字型（int/float/long/complex等），則數字型的對象<其它非數字型的對象；如果兩個都是非數字型的對象，則按照類型名的順序比較，如{}
<
"abc"（按照"dict"
<
"str")，而"abc"
>
[1,2],
"abc"
<
(1,2)。
對於自定義的類（型）實例，如果繼承自基本類型，則按照基本類型的規則比較（1-3）。否則，old-style
class
<
new-style
class,
new-style
class之間按照類型名順序比較，old-style
class之間按照地址進行比較
bool類型是int的子類，且true=1,
false=0，比較時按照1-4來比較，如true
>
-1,
true
<
4.2,
true
<
"abc"等
上面的回答是針對python2.x，3.x的有較大的變化，如str和int比較時會拋出異常等。
回到題目，字元和數字的比較符合規則3，所以數字<字元。舉個例子，如100和'a'（ord('a')=97)，有
100<'a'

④ python中的字元串對比

cmp比較兩個數，有三種狀態，前者大於後者，返回1,二者相等，返回0,否則返回-1
而==只能返回兩種狀態，如果二者相等，返回True，否則返回False

⑤ python中 字元串是怎麼比較大小的

從第一個字元串開始比較，比較的是字元對應的ASCII碼大小，如果兩年字元串字元相同，但是一個字元串的字元多，則多的大，比如：
"ABC"小於"ABCD"
"ABD"大於"ABC"

⑥ python字元串比較規則

從左往右，依次比較ASCII碼大小，不管多少位，只要出現碼大的就算字元串大。

⑦ 請問哈這個python中的字元串比較是怎麼比較的

字元串的比較是從左到右，逐個比對，發現大小差別就直接返回結果，如果相同就繼續比較下一個字母。例如這里』alpha『>'beta'應該返回False。你的答案是不是錯了？

⑧ python怎麼判斷中文字元編碼

#!/usr/bin/env python
# -*- coding:GBK -*-

"""漢字處理的工具:
判斷unicode是否是漢字，數字，英文，或者其他字元。
全形符號轉半形符號。"""

__author__="internetsweeper <[email protected]>"
__date__="2007-08-04"

def is_chinese(uchar):
"""判斷一個unicode是否是漢字"""
if uchar >= u'\u4e00' and uchar<=u'\u9fa5':
return True
else:
return False

def is_number(uchar):
"""判斷一個unicode是否是數字"""
if uchar >= u'\u0030' and uchar<=u'\u0039':
return True
else:
return False

def is_alphabet(uchar):
"""判斷一個unicode是否是英文字母"""
if (uchar >= u'\u0041' and uchar<=u'\u005a') or (uchar >= u'\u0061' and uchar<=u'\u007a'):
return True
else:
return False

def is_other(uchar):
"""判斷是否非漢字，數字和英文字元"""
if not (is_chinese(uchar) or is_number(uchar) or is_alphabet(uchar)):
return True
else:
return False

def B2Q(uchar):
"""半形轉全形"""
inside_code=ord(uchar)
if inside_code<0x0020 or inside_code>0x7e: #不是半形字元就返回原來的字元
return uchar
if inside_code==0x0020: #除了空格其他的全形半形的公式為:半形=全形-0xfee0
inside_code=0x3000
else:
inside_code+=0xfee0
return unichr(inside_code)

def Q2B(uchar):
"""全形轉半形"""
inside_code=ord(uchar)
if inside_code==0x3000:
inside_code=0x0020
else:
inside_code-=0xfee0
if inside_code<0x0020 or inside_code>0x7e: #轉完之後不是半形字元返回原來的字元
return uchar
return unichr(inside_code)

def stringQ2B(ustring):
"""把字元串全形轉半形"""
return "".join([Q2B(uchar) for uchar in ustring])

def uniform(ustring):
"""格式化字元串，完成全形轉半形，大寫轉小寫的工作"""
return stringQ2B(ustring).lower()

def string2List(ustring):
"""將ustring按照中文，字母，數字分開"""
retList=[]
utmp=[]
for uchar in ustring:
if is_other(uchar):
if len(utmp)==0:
continue
else:
retList.append("".join(utmp))
utmp=[]
else:
utmp.append(uchar)
if len(utmp)!=0:
retList.append("".join(utmp))
return retList

if __name__=="__main__":
#test Q2B and B2Q
for i in range(0x0020,0x007F):
print Q2B(B2Q(unichr(i))),B2Q(unichr(i))

#test uniform
ustring=u'中國 人名a高頻A'
ustring=uniform(ustring)
ret=string2List(ustring)
print ret

以上轉自http://hi..com/fenghua1893/item/d1a71d5ac47ffdcfd3e10cd1

這個問題是做 MkIV 預處理程序時搞定的，就是把一個混合了中英文混合字串分離為英文與中文的子字串，譬如，將 」我的 English 學的不好「 分離為 「我的"、" English 」 與 "學的不好" 三個子字串。
1. 中英文混合字串的統一編碼表示中英文混合字串處理最省力的辦法就是把它們的編碼都轉成 Unicode，讓一個漢字與一個英文字母的內存位寬都是相等的。這個工作用 Python 來做，比較合適，因為 Python 內碼採用的是 Unicode，並且為了支持 Unicode 字串的操作，Python 做了一個 Unicode 內建模塊，把 string 對象的全部方法重新實現了一遍，另外提供了 Codecs 對象，解決各種編碼類型的字元串解碼與編碼問題。
譬如下面的 Python 代碼，可實現 UTF-8 編碼的中英文混合字串向 Unicode 編碼的轉換：# -*-
coding:utf-8 -*-
a = "我的 English 學的不好"
print type(a),len (a), a
b = unicode (a, "utf-8")
print type(b), len (b), b字元串 a 是 utf-8 編碼，使用 python 的內建對象 unicode 可將其轉換為 Unicode 編碼的字元串 b。上述代碼執行後的輸出結果如下所示，比較字串 a 與字串 b 的長度，顯然 len (b) 的輸出結果是合理的。<type 'str'> 27 我的 English 學的不好
<type 'unicode'> 15 我的 English 學的不好要注意的一個問題是 Unicode 雖然號稱是「統一碼」，不過也是存在著兩種形式，即：
UCS-2：為 16 位碼，具有 2^16 = 65536 個碼位； UCS-4：為 32 位碼，目前的規定是其首位元組的首位為 0，因此具有 2^31 = 2147483648 個碼位，不過現在的只使用了 0x00000000 － 0x0010FFFF 之間的碼位，共 1114112 個。
使用Python sys 模塊提供的一個變數 maxunicode 的值可以判斷當前 Python 所使用的 Unicode 類型是 UCS-2 的還是 UCS-4 的。import sys
print sys.maxunicode若 sys.maxunicode 的值為 1114111，即為 UCS-4；若為 65535，則為 UCS-2。

2. 中英文混合字串的分離一旦中英文字串的編碼獲得統一，那麼對它們進行分裂就是很簡單的事情了。首先要為中文字串與英文字串分別准備一個收集器，使用兩個空的字串對象即可，譬如 zh_gather 與 en_gather；然後要准備一個列表對象，負責按分離次序存儲 zh_gather 與 en_gather 的值。下面這個 Python 函數接受一個中英文混合的 Unicode 字串，並返回存儲中英文子字串的列表。def split_zh_en (zh_en_str):

zh_en_group = []
zh_gather = ""
en_gather = ""
zh_status = False

for c in zh_en_str:
if not zh_status and is_zh (c):
zh_status = True
if en_gather != "":
zh_en_group.append ([mark["en"],en_gather])
en_gather = ""
elif not is_zh (c) and zh_status:
zh_status = False
if zh_gather != "":
zh_en_group.append ([mark["zh"], zh_gather])
if zh_status:
zh_gather += c
else:
en_gather += c
zh_gather = ""

if en_gather != "":
zh_en_group.append ([mark["en"],en_gather])
elif zh_gather != "":
zh_en_group.append ([mark["zh"],zh_gather])

return zh_en_group上述代碼所實現的功能細節是：對中英文混合字串 zh_en_str 的遍歷過程中進行逐字識別，若當前字元為中文，則將其添加到 zh_gather 中；若當前字元為英文，則將其添加到 en_gather 中。zh_status 表示中英文字元的切換狀態，當 zh_status 的值發生突變時，就將所收集的中文子字串或英文子字串添加到 zh_en_group 中去。
判斷字串 zh_en_str 中是否包含中文字元的條件語句中出現了一個 is_zh () 函數，它的實現如下：def is_zh (c):
x = ord (c)
# Punct & Radicals
if x >= 0x2e80 and x <= 0x33ff:
return True

# Fullwidth Latin Characters
elif x >= 0xff00 and x <= 0xffef:
return True

# CJK Unified Ideographs &
# CJK Unified Ideographs Extension A
elif x >= 0x4e00 and x <= 0x9fbb:
return True
# CJK Compatibility Ideographs
elif x >= 0xf900 and x <= 0xfad9:
return True

# CJK Unified Ideographs Extension B
elif x >= 0x20000 and x <= 0x2a6d6:
return True

# CJK Compatibility Supplement
elif x >= 0x2f800 and x <= 0x2fa1d:
return True

else:
return False這段代碼來自 jjgod 寫的 XeTeX 預處理程序。
對於分離出來的中文子字串與英文子字串，為了使用方便，在將它們存入 zh_en_group 列表時，我對它們分別做了標記，即 mark["zh"] 與 mark["en"]。mark 是一個 dict 對象，其定義如下：mark = {"en":1, "zh":2}如果要對 zh_en_group 中的英文字串或中文字串進行處理時，標記的意義在於快速判定字串是中文的，還是英文的，譬如：for str in zh_en_group:
if str[0] = mark["en"]:
do somthing
else:
do somthing

⑨ python字元串一個是漢字,一個是字母怎麼對比

兩個字元串長度不相等。比如 wuhan 和 wuhana
2. 兩個字元串不僅長度相等,而且對應位置上的字元完全一致(區分大小寫)。比如 Wuhan 和Wuhan
3. 兩個字元串長度相等,

⑩ Python判斷字元串中是否有中文字元

defis_chinese(s):
ifs>=u'u4e00'ands<=u'u9fa5':
returnTrue
else:
returnFalse

給你這個判斷中文字元的函數，用到字元串上就可以了。