PHP人们币金额小写转大写类库

MoneyConvertor 类:

MoneyConvertor.php 

<?php
/** 
 * MoneyConvertor Library For PHP
 * 人民币大小写转换类
 * --------------------------------------------------- 
 */
final class MoneyConvertor {
	
	//大写数字
	private $NUMBER_STR = array("零","壹","贰","叁","肆","伍","陆","柒","捌","玖");
	
	//整数位货币单位
	private $I_UNIT_STR = array("元","拾","佰","仟","万","拾","佰","仟","亿","拾","佰","仟");
	
	//小数位货币单位
	private $D_UNIT_STR = array("角","分","厘");
	
	//转换结果
	private $resultString = null;
	/**
	 * 使用一个小写数字金额的字符串来转换resultString对象
	 * ---------------------------------------------------
	 * @param	$numberStr		将要转换的小写数字金额
	 * @return 	$this->resultString
	 */
	public function convert($numberStr) {
		
		//处理小数位为0
		if(preg_match('/^[0-9]+\.[0]+$/',$numberStr))
			$numberStr = intval($numberStr);
		
		//补齐类似.5这样的无整数位数字
		if(substr($numberStr, 0, 1) == '.')
			number_format($numberStr);
		
		//如果带逗号分隔符的数字
		if(strpos($numberStr, ','))
			$numberStr = str_replace(",","",$numberStr);
		
		//如果数字达到万亿则提示数字过大,无法处理
		if ($numberStr>=1000000000000) 
		    return "数字太大,无法处理。抱歉!";
		
		//判断是否为数字
		if (!is_numeric($numberStr))
			return '不是有效的货币数值';
		
		//执行转换
		self::convertor($numberStr);
		
		//返回转换结果
		return $this->resultString;
	}
	
	
	/**
	 * 执行转换
	 * ---------------------------------------------------
	 * @param	$numberStr		将要转换的小写数字金额
	 * @return 	void
	 */
	private function convertor($numberStr){
		//分差整数与浮点位,整数和小数部分分开,分别进行转换
		$cutedNumber = explode('.', (string)$numberStr);
		//如果只有整数部分
		if (count($cutedNumber) == 1) {
			self::convertInteger($numberStr, TRUE);
		} else {
			self::convertInteger($cutedNumber[0]);
			self::convertDecimal($cutedNumber[1]);
		}
		//去除无用零字符
		self::removeZero();
	}
	
	
	/**
	 * 对整数部分进行转换
	 * ------------------------------------------------------------------
	 * @param	$integer				将要转换的小写数字整数部分
	 * @param	$without_fractional		是否原数不带浮点数,即在最后显示“整”
	 *
	 * @return 	$this
	 */
	private function convertInteger($integer, $without_fractional = false) {
		$resultString = null;
			
		for ($i = 0; $i < strlen($integer); $i++) {
			$resultString .= $this->I_UNIT_STR[$i];
			$resultString .= $this->NUMBER_STR[substr(strrev($integer), $i, 1)];
		}
		//如果没有小数位
		$tidy = $without_fractional == false ? '' : '整';
		$this->resultString = self::str_reverse($resultString) . $tidy;
		return $this;
	}
	/**
	 * 对小数点后三位部分进行转换
	 * ------------------------------------------------------------------
	 * @param	$integer				将要转换的小数点后三位部分
	 * @return 	$this
	 */
	private function convertDecimal($decimal) {
		
		$resultString = null;
		
		for ($i = 0; $i < strlen($decimal); $i++) {
			$resultString .= $this->NUMBER_STR[substr($decimal, $i, 1)];
			$resultString .= $this->D_UNIT_STR[$i];
			if($i>1){
			    /* echo "小数位过多!"; */
			    //如果小数位过多则只显示小数点后三位
			    $i = strlen($decimal);
			}
		}
		$this->resultString .= $resultString;
		return $this;
	}
	/**
	 * 去掉多余的"零X"
	 * ------------------------------------------------------------------
	 * @return 	$this
	 */
	private function removeZero() {
		while (strpos($this->resultString, "零拾") || strpos($this->resultString, "零佰") || strpos($this->resultString, "零仟") || strpos($this->resultString, "零万") || strpos($this->resultString, "零亿") || strpos($this->resultString, "零角") || strpos($this->resultString, "零分") || strpos($this->resultString, "零厘") || strpos($this->resultString, "零零") || strpos($this->resultString, "亿万") || strpos($this->resultString, "零元")) {
			$this->resultString = str_replace("零拾", "零", $this->resultString);
			$this->resultString = str_replace("零佰", "零", $this->resultString);
			$this->resultString = str_replace("零仟", "零", $this->resultString);
			$this->resultString = str_replace("零万", "万", $this->resultString);
			$this->resultString = str_replace("零亿", "亿", $this->resultString);
			$this->resultString = str_replace("零角", "零", $this->resultString);
			$this->resultString = str_replace("零分", "零", $this->resultString);
			$this->resultString = str_replace("零厘", "零", $this->resultString);
			$this->resultString = str_replace("零零", "零", $this->resultString);
			$this->resultString = str_replace("亿万", "亿", $this->resultString);
			$this->resultString = str_replace("零元", "元", $this->resultString);
		}
		return $this;
	}
	/**
	 * 中文UTF-8字符串反转
	 * ------------------------------------------------------------------
	 * @param 	$str	需要转换的UTF-8字符串
	 * @return 	void
	 */
	function str_reverse($str) {
		//判断输入的是不是utf8类型的字符,否则退出
		if (!is_string($str) || !mb_check_encoding($str, 'UTF-8')) {
			return;
		}
		$array = array();
		//将字符串存入数组
		$l = mb_strlen($str, 'UTF-8');
		for ($i = 0; $i < $l; $i++) {
			$array[] = mb_substr($str, $i, 1, 'UTF-8');
		}
		//反转字符串
		krsort($array);
		//拼接字符串
		$string = implode($array);
		return $string;
	}
}
MoneyConvertor 类调用方法:

<?php
header("Content-type:text/html;charset=utf-8");
require "MoneyConvertor.php";
$moneyObj = new MoneyConvertor();
$output = '';
//value 表示要转换的小写数字,注意要对其小数位保留位数考虑
$value='222222222222.4';
$output = $moneyObj->convert($value);
echo $output;
?>


【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
1、资源项目源码均已通过严格测试验证,保证能够正常运行;、 2项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值