Python中两个相同字符串比较返回False的问题及解决方法

这种情况我之前也碰到过！看起来完全一样的字符串a == b返回False，十有八九是字符串里藏着看不见的Unicode字符，或者是同形异义的Unicode码点（比如两个字符视觉上一致，但实际是不同的编码值）。下面给你几个可行的解决办法：

1. 先排查差异：打印每个字符的Unicode码点 #

首先得搞清楚两个字符串到底哪里不一样，你可以遍历字符串的每个字符，用ord()函数输出它们的Unicode编码值，这样就能直观看到差异：

a = "comentar"
b = "comentar"

# 输出每个字符的Unicode码点
print("字符串a的字符码点:", [ord(c) for c in a])
print("字符串b的字符码点:", [ord(c) for c in b])

比如如果其中一个字符串里混进了零宽空格（U+200B），或者某个字母是类似但不同的Unicode字符，这里会清晰显示出来。

2. 清理隐藏的不可见字符 #

如果排查出是不可见的控制字符（比如零宽空格、换行符残留、制表符等），可以用正则表达式把它们全部移除：

import re

def clean_invisible_chars(s):
    # 匹配并移除所有Unicode控制字符和不可见字符
    return re.sub(r'[\x00-\x1F\x7F-\x9F\u200B-\u200F\uFEFF]', '', s)

# 清理后再比较
a_clean = clean_invisible_chars(a)
b_clean = clean_invisible_chars(b)
print(a_clean == b_clean)  # 此时应该返回True

3. 标准化Unicode字符串 #

如果是同形异义的Unicode字符（比如某些带重音的字符有两种编码方式：单一码点或组合码点），可以用unicodedata.normalize()来标准化字符串，把它们转换成统一的格式：

import unicodedata

# 使用NFC格式标准化（把组合字符合并为单一码点）
a_normalized = unicodedata.normalize('NFC', a)
b_normalized = unicodedata.normalize('NFC', b)
print(a_normalized == b_normalized)

为什么修改编码没用？ #

你之前尝试修改字符串编码没解决问题，是因为编码转换（比如UTF-8转GBK再转回）不会改变字符的Unicode码点——如果字符本身是不可见的控制字符或同形异义字符，编码转换只是改变了字节表示，并不会修正这些本质差异。

内容的提问来源于stack exchange，提问作者kuak