Python 中集合的不区分大小写比较

Question

我有两套（虽然我可以做列表，或者其他什么）：

a = frozenset(('Today','I','am','fine'))
b = frozenset(('hello','how','are','you','today'))

我想要得到：

frozenset(['Today'])

或者至少：

frozenset(['today'])

如果我将我认为的所有内容都小写，那么第二个选项是可行的，但我正在寻找一种更优雅的方式。是否可以以

a.intersection(b) 

不区分大小写的方式进行？

Django 中的快捷方式也很好，因为我正在使用该框架。

下面的交集方法示例（我不知道如何在评论中对其进行格式化）：

print intersection('Today I am fine tomorrow'.split(),
                    'Hello How a re you TODAY and today and Today and Tomorrow'.split(),
                    key=str.lower)

[(['tomorrow'], ['Tomorrow']), (['Today'], ['TODAY', 'today', 'Today'])]

Answer 1

这是适用于任何可迭代对象对的版本：

def intersection(iterableA, iterableB, key=lambda x: x):
    """Return the intersection of two iterables with respect to `key` function.

    """
    def unify(iterable):
        d = {}
        for item in iterable:
            d.setdefault(key(item), []).append(item)
        return d

    A, B = unify(iterableA), unify(iterableB)

    return [(A[k], B[k]) for k in A if k in B]

示例：

print intersection('Today I am fine'.split(),
                   'Hello How a re you TODAY'.split(),
                   key=str.lower)
# -> [(['Today'], ['TODAY'])]

Answer 2

不幸的是，即使您可以“动态更改”集合项的与比较相关的特殊方法（__lt__ 和朋友 - 实际上，只有 __eq__ 需要这种方式集合当前已实现，但这是一个实现细节） - 你不能，因为它们属于内置类型 str - 这还不够，因为 __hash__ 也至关重要并且当您想要进行交集时，它已经被应用，将集合的项目放入不同的哈希桶中。需要最终使交集按照您想要的方式工作（即，不能保证“今天”和“今天”位于同一个桶中）。

因此，为了您的目的，您不可避免地需要构建新的数据结构 - 如果您认为必须这样做“不优雅”，那么您就很不幸：内置集只是不携带允许人们更改比较和散列函数需要巨大的负担和开销，这会使事情膨胀十倍（或更多），以满足百万分之一用例中（可能）感受到的需求。

如果您经常需要与不区分大小写的比较相关，则应考虑子类化或包装 str （覆盖比较和散列）以提供“不区分大小写的 str”类型 cistr - - 然后，当然，确保只有 cistr 的实例（例如）添加到您感兴趣的集合（&c）中（通过子类化 set & c，或简单地通过支付护理）。举一个过于简单的例子......：

class ci(str):
  def __hash__(self):
    return hash(self.lower())
  def __eq__(self, other):
    return self.lower() == other.lower()

class cifrozenset(frozenset):
  def __new__(cls, seq=()):
    return frozenset((ci(x) for x in seq))

a = cifrozenset(('Today','I','am','fine'))
b = cifrozenset(('hello','how','are','you','today'))

print a.intersection(b)

这确实会根据您表达的愿望发出 frozenset(['Today']) 。当然，在现实生活中，您可能想要做更多的事情（例如......：我在这里的方式，对 cifrozenset 的任何操作都会返回一个简单的 frozenset< /code>，失去了宝贵的独立于大小写的特殊功能——您可能希望确保每次都返回一个 cifrozenset ，而且，虽然相当可行，但这并不是微不足道的）。

Answer 3

首先，你不是说a.intersection(b)吗？交集（如果不区分大小写）将为 set(['today'])。区别是 set(['i', 'am', 'fine'])

这里有两个想法：

1.) 编写一个函数将两个集合的元素转换为小写，然后执行交叉点。这是您可以做到的一种方法：

>>> intersect_with_key = lambda s1, s2, key=lambda i: i: set(map(key, s1)).intersection(map(key, s2))
>>> fs1 = frozenset('Today I am fine'.split())
>>> fs2 = frozenset('Hello how are you TODAY'.split())
>>> intersect_with_key(fs1, fs2)
set([])
>>> intersect_with_key(fs1, fs2, key=str.lower)
set(['today'])
>>>

但这不是很有效，因为必须在每次调用时创建转换和新集。

2.) 扩展frozenset 类以保留元素的不区分大小写的副本。重写 intersection 方法以使用不区分大小写的元素副本。这样会更有效率。

Answer 4

>>> a_, b_ = map(set, [map(str.lower, a), map(str.lower, b)])
>>> a_ & b_
set(['today'])

或者...用更少的地图，

>>> a_ = set(map(str.lower, a))
>>> b_ = set(map(str.lower, b))
>>> a_ & b_
set(['today'])