如果列表中的字符串因变音符号而失败

Question

由于我是法国人，我正在尝试制作一个小功能，可以在国家名称前添加好定冠词。除了少数几个以变音符号开头的国家外，我没有任何问题。这是我的代码：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
def article(nomPays):
    voyelles = ['A','E','É','I','O','U','Y']
    if nomPays == 'Mexique':
        return 'du'
    elif nomPays[0] in voyelles:
        return 'de l\''
    elif nomPays[-1] == 'e':#signe négatif pour compter à partir de la dernière lettre
        return 'de la'
    else:
        return 'du'

print article('Érythrée')

如果我输入 Allemagne 而不是 Érythrée，则行为是正确的：它返回“de l”。但是 Érythrée 返回“de la”。这意味着我的函数无法将字符 É 识别为 voyelles 列表的一部分。

谁能解释我为什么以及如何解决这个问题？

Answer 1

问题是您在 Python 2 中使用 str，其中 str 是字节序列，因此 nomPays[0] 将给出字符串的第一个 byte，而不是第一个字符。在单字节编码中这不是问题，但是对于像 UTF-8 这样的多字节编码，“Érythrée”的第一个字节是前导字节，而不是整个字符“É”。

你需要改为使用unicode来抓取第一个字符：

firstChar = unicode(nomPays, 'UTF-8')[0].encode('UTF-8')

实际上，使用startswith 可能会更容易：

if any(nomPays.startswith(voyelle) for voyelle in voyelles):

或者，您可以在整个应用程序中使用 unicode，或者切换到 Python 3，这一切都得到了更好的处理。

Answer 2

在''之前添加u：

voyelles = [u'A',u'E',u'É',u'I',u'O',u'U',u'Y']
...
print article(u'Érythrée')

例子：

>>> voyelles = [u'A',u'E',u'É',u'I',u'O',u'U',u'Y']
>>> s=u'Érythrée'
>>> s[0] in voyelles
True

Answer 3

是字节串，不是unicode串，所以字符串的第一个元素是：

>>> 'Érythrée'[0]
'\xc3'

这是因为 UT8 编码。