Python中外观相同的中文字符串比较结果不等该如何处理

这一问题的核心原因是第一个字符串内嵌入了无法被正常渲染的Unicode控制字符，你在IDLE中看到的�是该不可见字符的渲染占位符，可通过以下两种方案处理：

方法1：按可见内容过滤 #

适用于仅需保留中文、数字、英文字母、常用标点的场景，使用正则过滤所有非目标可见字符：

import re

def clean_text(s):
    # 仅保留中文、大小写英文字母、数字、常用中英文标点，其余字符全部删除
    return re.sub(r'[^\u4e00-\u9fa5a-zA-Z0-9，。？！：；“”‘’（）【】,.?!:;""''()\[\]]', '', s)

d = "进
出口中心"
s = "进出口中心"

print(clean_text(d) == clean_text(s)) # 输出 True

方法2：仅移除Unicode控制类不可见字符 #

适用于需要保留其他可见特殊字符，仅清理不可见控制字符的场景：

import unicodedata

# 定义需要移除的字符类别：控制字符、格式字符、代理项字符、私用字符、未分配字符
remove_categories = ('Cc', 'Cf', 'Cs', 'Co', 'Cn')

def clean_invisible_chars(s):
    return ''.join(c for c in s if unicodedata.category(c) not in remove_categories)

d = "进
出口中心"
s = "进出口中心"

print(clean_invisible_chars(d) == clean_invisible_chars(s)) # 输出 True

内容的提问来源于stack exchange，提问作者jia Jimmy