Python中含特殊字符的子串检测问题及单位转换需求

嘿，我来帮你解决这个问题！你遇到的核心是带特殊Unicode字符（比如Kilómetros里的重音ó）的子串匹配，还有后续的单位提取和转换。其实Python对这类字符支持很好，只要注意几个细节，就能把代码写得既靠谱又健壮。

1. 先解决特殊字符匹配的坑 #

直接用'Kilómetros' in line其实是可行的，但前提是你读取CSV时用对了编码——一定要指定utf-8编码，不然特殊字符会变成乱码，自然匹配不到。先把读取CSV的代码改对：

import csv

# 关键：用utf-8编码读取，避免特殊字符乱码
with open('your_distance_file.csv', 'r', encoding='utf-8') as f:
    reader = csv.reader(f)
    for row in reader:
        # 假设距离特征在每行的第一列，先把字符串取出来
        distance_text = row[0].strip()
        # 接下来处理匹配和转换

如果还是担心不同输入的重音变体（比如有的输入是Kilometros不带重音），可以搞个小工具函数把字符串标准化，去掉所有重音符号：

import unicodedata

def strip_accents(input_str):
    # 把Unicode字符分解为基础字符和重音标记，然后过滤掉重音
    normalized = unicodedata.normalize('NFD', input_str)
    return ''.join(c for c in normalized if unicodedata.category(c) != 'Mn')

# 测试一下：strip_accents('Kilómetros') → 输出 'Kilometros'

这样不管输入的单位带不带重音，都能统一匹配，容错性更高。

2. 更聪明的单位识别与转换方案 #

用一堆if判断虽然简单，但如果后面要加更多单位（比如英尺、码），代码会越来越乱。推荐用正则表达式提取数值和单位，再用字典存转换系数，这样扩展性拉满：

import re
import unicodedata
import csv

def strip_accents(input_str):
    normalized = unicodedata.normalize('NFD', input_str)
    return ''.join(c for c in normalized if unicodedata.category(c) != 'Mn')

# 单位转米的系数表：键是标准化后的单位，值是转换系数
unit_conversion_map = {
    'mile': 1609.34,
    'miles': 1609.34,
    'kilometro': 1000,
    'kilometros': 1000,
    'metro': 1,
    'metros': 1
}

with open('your_distance_file.csv', 'r', encoding='utf-8') as f:
    reader = csv.reader(f)
    next(reader)  # 如果CSV有表头，先跳过
    for row in reader:
        distance_text = row[0].strip()
        # 用正则把数值和单位分开：匹配数字（支持小数）和后面的单位
        match_result = re.match(r'(\d+\.?\d*)\s*(.*)', distance_text)
        if match_result:
            # 提取数值并转成浮点数
            raw_value = float(match_result.group(1))
            # 提取单位，标准化（去重音+转小写）
            raw_unit = match_result.group(2).strip()
            standardized_unit = strip_accents(raw_unit.lower())
            
            # 查转换系数，计算成米
            if standardized_unit in unit_conversion_map:
                meters = raw_value * unit_conversion_map[standardized_unit]
                print(f"{distance_text} → {meters:.2f} 米")
            else:
                print(f"⚠️  无法识别的单位：{raw_unit}")

3. 为啥这么写更靠谱？ #

• 正则提取能精准分离数值和单位，就算字符串里有空格或者其他小干扰也不怕
• 单位标准化后，不管是Kilómetros、kilometro还是METROS都能匹配
• 转换系数用字典管理，后面加新单位只需要在字典里加一行，不用改逻辑代码

举几个实际运行的例子：

输入：12.4 miles → 输出：12.4 miles → 19955.82 米
输入：34 Kilómetros → 输出：34 Kilómetros → 34000.00 米
输入：800 metros → 输出：800 metros → 800.00 米

内容的提问来源于stack exchange，提问作者user1862963