Регистр
строк

Категория

Строковые методы

Уровень

Базовый → продвинутый

Связанные темы

Unicode, сравнения, неизменяемость

Зачем это знать

Нормализовать текст для вывода и сравнения

§1Зачем приводить регистр

Человек, набирающий текст, о регистре не думает. Пользователь введёт PYTHON, Python или python и будет считать, что написал одно и то же. Программа так не считает: для неё это три разные строки.

print("PYTHON" == "Python")

False

Нормализация регистра убирает это расхождение: обе строки приводят к одной форме и сравнивают уже её. Методы этой главы решают две разные задачи — привести текст к нужному виду для показа и привести его к единой форме для сравнения. Путать их не стоит, и §13 объясняет почему.

§2Метод возвращает новую строку

Строки в Python неизменяемы, поэтому ни один метод регистра не меняет исходную строку — все они создают новую.

source = "PyThOn"
result = source.lower()

print(source)
print(result)

PyThOn
python

§3capitalize(): первая позиция

capitalize() делает первый символ строки заглавным. Параметров у метода нет.

name = "иван"
print(name.capitalize())

Иван

Если первый символ регистра не имеет — цифра, знак, пробел, — он остаётся как есть.

print("123abc".capitalize())

123abc

§4capitalize() понижает остальное

Название метода описывает только половину работы. Вторая половина: все остальные буквы приводятся к нижнему регистру — независимо от того, какими они были.

title = "pYTHON API"
print(title.capitalize())

Python api

p Y T H O N   A P I
↑ └─────────────────┘
│        всё это → нижний регистр
└ первая позиция → верхний регистр

Поэтому capitalize() не годится для оформления заголовков и названий, где регистр внутри строки важен. Для «каждое слово с заглавной» есть отдельный метод title(), а для проверки такой формы — istitle() из главы 5.8.

§5Пробел в начале

«Первая позиция» понимается буквально — это символ с индексом 0, а не первая буква. Пробел в начале строки полностью меняет результат.

text = "  pYTHON"

print(repr(text.capitalize()))
print(repr(text.strip().capitalize()))

'  python'
'Python'

В первой строке первая позиция — пробел, поднимать нечего, а все буквы после неё попали под понижение. Метод не ищет первую букву после пробелов, поэтому края строки очищают заранее — strip() разбирается в главе 5.9.

§6lower(): нижний регистр

lower() возвращает копию строки, где все буквы приведены к нижнему регистру. Параметров нет.

text = "ПРИВЕТ, Python 3.12!"
print(text.lower())

привет, python 3.12!

Метод работает с Unicode, поэтому корректно понижает не только латиницу: кириллица, греческий, немецкий обрабатываются так же.

§7Что lower() не трогает

В примере выше изменились только буквы. Цифры 3 и 12, точка, запятая, пробел и восклицательный знак остались на месте — у них попросту нет регистра.

Отсюда полезное следствие: lower() безопасно применять к любому тексту — он не может испортить неалфавитную часть.

§8Где lower() подводит

Пока речь о русском и английском, lower() достаточно. Проблема начинается там, где в языке одна буква записывается несколькими способами. Немецкая ß и сочетание ss — одно и то же слово, но разные символы.

first = "Straße"
second = "STRASSE"

print(first.lower())
print(second.lower())
print(first.lower() == second.lower())

straße
strasse
False

lower() честно понизил обе строки, но ß так и осталась ß. Для человека это одно слово, для сравнения — разные строки. Именно эту задачу решает casefold().

§9casefold(): сравнение без регистра

casefold() тоже возвращает строку в нижнем регистре, но преобразует агрессивнее: он приводит к общей форме символы, которые в разных языках записываются по-разному.

first = "Straße"
second = "STRASSE"

print(first.casefold())
print(second.casefold())
print(first.casefold() == second.casefold())

strasse
strasse
True

Обратите внимание на длину: ß превратилась в две буквы ss. Результат casefold() может быть длиннее исходной строки — для сравнения это не важно, а вот для показа пользователю уже важно.

§10Греческая сигма

Немецкая ß — не единственный случай. В греческом одна и та же буква сигма пишется по-разному в конце слова и в середине.

word = "ΣΙΣΥΦΟΣ"

print(word.lower())
print(word.casefold())

σισυφος
σισυφοσ

lower() поступает грамотно с точки зрения языка: в конце слова он ставит конечную сигму ς. casefold() поступает грамотно с точки зрения сравнения: обе формы приводит к обычной σ, чтобы слово совпало само с собой в любой записи.

Это и есть разница между двумя методами в одной фразе: lower() сохраняет правила языка, casefold() их намеренно стирает ради сопоставимости.

§11lower() или casefold()

Практическое правило: текст для глаз — lower(), текст для == — casefold(). Для русского и английского они дают одинаковый результат, поэтому разница проявится не на ваших тестах, а на реальных данных.

§12Обе стороны сравнения

Нормализация помогает, только если применена к обеим строкам. Одностороннее приведение оставляет ту же проблему.

entered = "PYTHON"
expected = "Python"

print(entered.casefold() == expected)
print(entered.casefold() == expected.casefold())

False
True

В первой строке слева python, справа Python — совпадения нет. Правило простое: один и тот же метод применяют к обеим сторонам сравнения.

§13Нормализовать — не значит хранить

Соблазн понятен: привести имя пользователя к нижнему регистру один раз и хранить уже нормализованным. Но тогда исходная форма теряется навсегда.

что ввёл человек:   "Иван Петров"    → хранить и показывать
для поиска:         "иван петров"    → сравнивать

Обычная практика — хранить исходный текст, а нормализованную форму использовать только для поиска и сравнения. Особенно это касается casefold(): он может изменить саму запись слова, и показывать пользователю strasse вместо введённого Straße уже неверно.

§14Порядок методов

Методы вызывают цепочкой: каждый следующий работает с результатом предыдущего. Порядок при этом меняет результат.

raw = "  pYTHON API  "

clean = raw.strip().lower()
label = clean.capitalize()

print(repr(clean))
print(repr(label))

'python api'
'Python api'

Общее правило цепочки: сначала убирают лишнее (strip()), затем приводят регистр, и только потом оформляют.

§15Регистр и сортировка

Глава 5.1 показала, что sorted() сравнивает кодовые точки, из-за чего заглавные буквы оказываются раньше строчных. Методы этой главы дают решение.

words = ["Яблоко", "арбуз", "Ананас"]

print(sorted(words))
print(sorted(words, key=str.lower))

['Ананас', 'Яблоко', 'арбуз']
['Ананас', 'арбуз', 'Яблоко']

Аргумент key означает «сравнивать не сами слова, а результат str.lower от них». При этом в списке остаются исходные слова — меняется только правило сравнения. Подробно key разбирается в главе 6.10.

§16Частые ошибки

§17Проверьте себя

§18Шпаргалка

Итог главы

Все три метода создают новые строки и не меняют исходную. capitalize() поднимает первую позицию и понижает всё остальное, поэтому для заголовков не годится. lower() даёт строчную форму с сохранением языковых норм — это выбор для текста, который увидит человек. casefold() сводит разные записи одного символа к общей форме и потому надёжнее в сравнениях, но менять им текст для показа нельзя.