python中的集合不区分大小写

Question

我有一个由多个列表生成的列表。 该组合列表包含最终用户生成的名称。 因此，包含相似的名称，但具有不同的大写/小写字符。 我想过滤出包含相同字符的名称，并将第一个保留在原始列表中。

例如，我有以下列表：

L0 = ['A_B Cdef', 'A_B Cdef', 'A_B Cdef', 'A_B CdEF', 'A_B CDEF','a_B CdEF', 'A_b CDEF', 'GG_ooo', 'a1-23456']

如果我运行：

L1 = list(set(L0))

我得到：

['a1-23456', 'A_B Cdef', 'A_B CdEF', 'A_B CDEF', 'a_B CdEF', 'A_b CDEF', 'GG_ooo']

我只想保留第一个具有相同字符的名称。

所以我的结果是：

['a1-23456', 'A_B Cdef', 'GG_ooo']

如果我使用.lower() .upper() .lower() ， .upper()得到列表，但名称是小写/大写。

我只想消除“重复项”，而不考虑区分大小写的方法。

帮助极大的赞赏。

谢谢！

Answer 1

您可以使用集合跟踪值的.lower()版本，然后将原始值附加到新列表（如果.lower()没有.lower()版本）：

s = set()
L = []
for x in L0:
  if x.lower() not in s:
      s.add(x.lower())
      L.append(x)

print(L)
# ['A_B Cdef', 'GG_ooo', 'a1-23456']

Answer 2

使用哈希代替，我认为您不能通过集合轻松实现这一点。

L0 = {value.lower(): value for value in L0[::-1]}.values()

Answer 3

您已经有了几个不错的答案，下面的代码可能对您的用例而言有些过头，但只是出于娱乐目的，我创建了一个不区分大小写的简单可变集类。 请注意，它保留找到的第一个字符串，而不是让以后的条目淹没它。

import collections.abc

class CasefoldSet(collections.abc.MutableSet):
    def __init__(self, iterable=None):
        self.elements = {} 
        if iterable is not None:
            for v in iterable:
                self.add(v)

    def __contains__(self, value):
        return value.casefold() in self.elements

    def add(self, value):
        key = value.casefold()
        if key not in self.elements:
            self.elements[key] = value

    def discard(self, value):
        key = value.casefold()
        if key in self.elements:
            del self.elements[key]

    def __len__(self):
        return len(self.elements)

    def __iter__(self):
        return iter(self.elements.values())

    def __repr__(self):
        return '{' + ', '.join(map(repr, self)) + '}'

# test

l0 = [
    'GG_ooo', 'A_B Cdef', 'A_B Cdef', 'A_B Cdef', 
    'A_B CdEF', 'A_B CDEF', 'a_B CdEF', 'A_b CDEF', 'a1-23456',
]

l1 = CasefoldSet(l0[:4])
print(l1)
l1 |= l0[4:]
print(l1)
l2 = {'a', 'b', 'A_B Cdef'} | l1
print(l2)
l3 = l2 & {'a', 'GG_ooo', 'a_B CdEF'}
print(l3)

输出

{'GG_ooo', 'A_B Cdef'}
{'GG_ooo', 'A_B Cdef', 'a1-23456'}
{'GG_ooo', 'A_B Cdef', 'a1-23456', 'b', 'a'}
{'a_B CdEF', 'a', 'GG_ooo'}

此类从collections.abc.MutableSet继承了各种有用的方法，但是要使其完全替代set它确实需要更多方法。 请注意，如果您尝试传递非字符串项目，它将引发AttributeError 。

Answer 4

如果您想遵守规则，我能想到的最好的解决方案是有点混乱，使用集来跟踪出现了哪些单词；

seen_words = set()
L1 = []
for word in L0:
    if word.lower() not in seen_words:
        L1.append(word)
        seen_words.add(word.lower())

如果您想成为一名黑客，可以使用一种更优雅的解决方案，您可以使用词典来跟踪已经看到过的单词，并且几乎是一种语言。

seen_words = {}
L1 = [seen_words.setdefault(word.lower(), word) 
      for word in L0 if word.lower() not in seen_words]
print(L1)

---

两种解决方案都输出相同的结果。

['A_B Cdef', 'GG_ooo', 'a1-23456']