正则表达式忽略大小写时chr(181)与chr(956)匹配问题及字符大小写疑问

非英文字符大小写转换的逻辑与解决方案 #

1. 为何chr(181)和chr(956)的大小写表现特殊 #

你碰到的chr(181)（Unicode名称：MICRO SIGN，显示为µ）和chr(956)（Unicode名称：GREEK SMALL LETTER MU，显示为μ）是两个不同的Unicode码点，但语义上都代表“微”单位。

在Python的字符串处理中：

• 两者调用upper()都会返回chr(924)（GREEK CAPITAL LETTER MU，显示为Μ），这是Unicode标准规定的——这两个小写形态的字符共享同一个大写映射。
• 而lower()结果不同，是因为MICRO SIGN本身就是设计为小写形态的符号，lower()返回自身；GREEK SMALL LETTER MU的lower()也返回自身，二者本身是不同的Unicode字符，所以结果不相等。

正则的IGNORECASE标志采用的是Unicode的**大小写折叠（case folding）**规则，而非简单的upper()/lower()转换。大小写折叠会将语义等价的字符视为匹配项，因此这两个字符会被正则判定为匹配。

2. 正确获取非英文字符的大小写形式 #

如果需要严格遵循Unicode的大小写映射规则，可以借助unicodedata模块来处理，同时注意字符的归一化（避免因编码形式不同导致的差异）：

import unicodedata

def get_standard_upper(char):
    # 归一化后获取大写形式
    return unicodedata.normalize('NFC', char.upper())

def get_standard_lower(char):
    # 归一化后获取小写形式
    return unicodedata.normalize('NFC', char.lower())

# 测试示例
print(get_standard_upper(chr(181)))  # 输出 Μ
print(get_standard_upper(chr(956)))  # 输出 Μ
print(get_standard_lower(chr(924)))  # 输出 μ

需要明确的是：MICRO SIGN没有独立的大写字符，它的大写形式就是希腊大写字母MU；而GREEK SMALL LETTER MU的大写形式同样是该字母，这是Unicode标准的定义。

3. 大小写转换的详细参考依据 #

Python的字符串大小写转换完全遵循Unicode官方的大小写映射规则。你可以通过unicodedata模块查询字符的具体属性：

import unicodedata

# 查询字符的官方名称
print(unicodedata.name(chr(181)))  # 输出 MICRO SIGN
print(unicodedata.name(chr(956)))  # 输出 GREEK SMALL LETTER MU

# 查询字符的大小写折叠形式（正则匹配的依据）
print(chr(181).casefold())
print(chr(956).casefold())

所有字符的大小写映射规则都由Unicode标准定义，Python的实现直接基于该标准。

内容的提问来源于stack exchange，提问作者oyster