UTF-8 y superior()

Question

Quiero transformar cadenas UTF-8 usando funciones incorporadas como upper() y capitalize().

Por ejemplo:

>>> mystring = "işğüı" 
>>> print mystring.upper() 
Işğüı # should be İŞĞÜI instead. 

¿Cómo puedo solucionar este problema?

Answer 1

No realizar acciones en cadenas codificadas; decodificar a unicode primero.

>>> mystring = "işğüı" 
>>> print mystring.decode('utf-8').upper() 
IŞĞÜI 

Answer 2

En realidad es mejor, como estrategia general, mantener siempre su texto como Unicode vez que está en la memoria: decodificarlo en el momento en que es de entrada, y codificar exactamente en el momento en que se necesita para la producción, si hay requisitos de codificación específicos en los tiempos de entrada y/o entrada.

Incluso si no elige adoptar esta estrategia general (¡y debería hacerlo!), La única forma de sonido para realizar la tarea que necesita es decodificar, procesar, codificar de nuevo, nunca trabajar en el codificado formas. Es decir .:

mystring = "işğüı" 
print mystring.decode('utf-8').upper().encode('utf-8') 

asumiendo que está restringido a cadenas codificadas en la asignación y para fines de salida. (La restricción de salida es lamentablemente realista, la restricción de asignación no es - solo haga mystring = u"işğüı", por lo que es unicode desde el principio, y aléjese al menos la llamada .decode! -)