为什么Python的upper()不将特殊字符大写？

Question

我不太明白这个：

'ô TRAM'.upper() != 'Ô TRAM'
'ô TRAM'.upper() == 'ô TRAM'

所有的文本编辑器（包括 vim 和 emacs）在我们要求把文本变成大写时，都会把 'ô TRAM'.upper() 转换成 'Ô TRAM'。为什么 Python 似乎只把 [a-zA-Z] 的字母变成大写呢？有没有什么解决办法？

Answer 1

你在提问的时候标记了unicode，但是你并没有把你的字符串变成unicode格式：

>>> print u'ô TRAM'.upper()
Ô TRAM
>>> print 'ô TRAM'.upper()
ô TRAM

Answer 2

在Python 3中，默认使用的是Unicode，所以应该可以正常工作。

而在Python 2中，你需要手动设置一下，这样就可以了：

u'ô TRAM'.upper()

u这个前缀可以防止文本被转换成ASCII格式。(保持为unicode格式)

Answer 3

@Thanakon 简单提到的确是对的：你可以在Unicode 字符串上做到这一点。

不过你问了为什么 Python 在“窄”字符串上不这样做。原因是：Unicode 实在是个很庞大的东西——无论是从内存还是处理速度来看，这绝对不是小事。你可以看看 Unicode 的定义或者 ICU 库 的实现。

在 Python 诞生的时候，大约在90年代初，字符串的 Unicode 还不是个大问题。对于 Python 社区来说，向后兼容一直是个重要的考虑。因此，在某个 2.x 版本中，仅仅对“窄字符串进行 unicode 大写处理”是非常困难的。

但是到了2000年代，其他人对这个解决方案不满意，于是他们发明了一种新数据类型：unicode。如果你把数据放在这里，你就能获得完整的 Unicode 功能。还有其他模块可以让你更方便使用...

哦，顺便说一下：你展示的窄字符串在进行 Unicode 大写处理之前，必须在一个代码页中解释，这样才有意义。你这里显示的字符串是众多编码解释中的一种（可能是 ISO-8859-1？）

但现在好消息来了：在Python 3中，他们决定打破向后兼容性。默认字符串就是 Unicode 字符串！当你在 Python 3 中写 'hello' 时，这和 Python 2 中的 u'hello' 是一样的。这样你就可以使用 Unicode 的功能了。

无论如何，在 Python 2 中使用 u'blah' 或者在 Python 3 中使用 'blah'，你都必须确保 Python 文件保存为 UTF-8（或类似格式）。在 Python 3 中，这是 *.py 文件的标准编码，而在 Python 2 中，你需要添加一行头信息 # -*- coding: utf-8 -*- 来说明文件的编码，或者确保你的编辑器写入 UTF-8 BOM 标记。