Python 3.6.5中正确处理土耳其语大小写及多语言文本匹配的技术问询

你提到的这个问题非常关键——土耳其语的大小写规则确实和通用Unicode规则不一样，Python内置的str.lower()/str.upper()没办法正确处理它的特殊字符，但完全不需要修改或覆盖内置函数，那样反而容易引入全局问题，推荐用这两种更稳妥的方式：

1. 使用Python标准库的locale模块 #

Python的locale模块可以根据指定的区域设置来处理字符串的大小写转换，完美适配土耳其语的规则。比如：

• 大写İ（带点）会被转为小写i
• 大写I会被转为小写ı（不带点）

示例代码：

import locale

# 注意不同系统的locale名称可能有差异：
# Linux/macOS 一般是 'tr_TR.UTF-8'
# Windows 可能是 'Turkish_Turkey.1254' 或 'tr'
try:
    locale.setlocale(locale.LC_ALL, 'tr_TR.UTF-8')
except locale.Error:
    # fallback到简化的locale名称
    locale.setlocale(locale.LC_ALL, 'tr')

# 测试土耳其语特殊字符转换
print(locale.strlower("İSTANBUL"))  # 输出: istanbul
print(locale.strlower("I"))         # 输出: ı
print(locale.strupper("istanbul"))  # 输出: İSTANBUL
print(locale.strupper("ı"))         # 输出: I

⚠️ 注意：这种方式依赖系统是否安装了土耳其语的语言包，如果你的运行环境是跨平台的，可能需要提前确认locale支持情况。

2. 使用第三方库PyICU（更可靠的跨平台方案） #

如果locale模块的系统依赖对你来说是个问题，那么PyICU是更好的选择——它基于ICU（国际Unicode组件），专门处理多语言的国际化问题，对土耳其语的支持非常完善，而且跨平台一致。

首先安装库：

pip install pyicu

然后用示例代码：

from icu import UnicodeString, Locale

# 指定土耳其语区域
tr_locale = Locale('tr_TR')

# 转换大小写
print(UnicodeString("İSTANBUL").toLower(tr_locale))  # 输出: istanbul
print(UnicodeString("I").toLower(tr_locale))         # 输出: ı
print(UnicodeString("istanbul").toUpper(tr_locale))  # 输出: İSTANBUL
print(UnicodeString("ı").toUpper(tr_locale))         # 输出: I

为什么不要修改内置函数？ #

修改str.lower()这类内置方法会带来全局副作用——其他依赖默认大小写转换的代码可能会突然出错，完全不符合Python的“显式优于隐式”原则。而且内置类型的方法是不可变的（你不能直接覆盖str.lower），强行通过子类或 monkey-patch 实现反而会让代码变得难以维护。

所以最佳实践就是：在处理土耳其语文本时，显式调用上述专门的转换方法，而不是修改内置函数。

内容的提问来源于stack exchange，提问作者Fable