sql中文数字怎么和阿拉伯数字对应_使用 Python 快速转化中文数字和阿拉伯数字...

Photo by Katarina G on Unsplash

最初，我是在开发聊天机器人的时候用到这个功能，比如用户提问 一千米以内有哪些场地可用？，我需要在数据库中查询范围小于一千米的场地，SQL 语句大致为 WHEN distant<1000，但我只能在原语句中提取到 一千 这个词语。数据库的判断条件是无法识别中文数字的，这时就先需要转化一下了。

当时我搜索一些资料，看到有一些零散的代码，并没有找到合适的开源库，于是自己动手实现了一个非常粗糙的转化函数，粗糙到连最基本的异常判断都没有。后来我发现这个功能在自然语言处理领域还挺常用的，所以就打算把它抽象出来，方便自己和他人复用。我抽了一些空闲的时间，完善了部分功能后把它开源了。当时并没有想到会有很多人用，我也知道里面有很多 bug，但懒得修。直到我逐渐发现有人在不同的任务中使用它，比如爬虫、自然语言转SQL、聊天机器人、语音识别等，所以后面就很积极的在更新了。

1 任务简介

这个任务的核心就是「中文数字」和「阿拉伯数字」相互转化，这两种数字的描述方式非常规则，比如 一百二十三 和 123。如果是标准格式的数据，转化算法也许并不难，而真正困难的是如何在数据不规范的情况下做好转化，比如三万五，我们一听就知道要转化成 35000，而机器却可能理解为 30005。那我们今天要讲如何将不规则数据转化吗？不！今天这篇文章我们主要讨论的还是标准情况下的数字转化。

我：在啃骨头之前，先把大块的肉撕下来！

一般来说，我们常见的数字的最大值是 千万亿，即 10**16，写出来大概这么长：10000000000000000，极少有数字会超过这个，因此我们也把算法的输入范围定为 0 - 10**16，下面我们来看如何用算法转化这么长的数字的。

2 核心算法

我们要将核心算法是指剔除了一些无关代码，大致包括数据预处理、异常判断、数据后处理等功能，是只针对数字转化的算法描述，毕竟复杂的细枝末节不是我们今天要讨论的内容。

2.1 正向遍历法

首先，我们以 一百二十三 作为第一个要转化的例子，你大概会说，这个用小学学过的知识就可以做到，的确如此！先把中文数字和单位做个映射，然后正向遍历，用数字乘以单位，然后直接把他们累加起来就搞定了。

一百二十三 的解析式为 1*100 + 2*10 + 3，代码如下：

# 数字映射
number_map = {
    
"零": 0,
"一": 1,
"二": 2,
"三": 3,
"四": 4,
"五": 5,
"六": 6,
"七": 7,
"八": 8,
"九": 9
}

# 单位映射
unit_map = {
    
"十": 10,
"百": 100,
"千": 1000,
"万": 10000,
"亿": 100000000
}


# 正向遍历 1
def forward_cn2an_one(inputs):
    output = 0
    unit = 1
    num = 0
for index, cn_num in enumerate(inputs):
if cn_num in number_map:
# 数字
            num = number_map[cn_num]
# 最后的个位数字
if index == len(inputs) - 1:
                output = output + num
elif cn_num in unit_map:
# 单位
            unit = unit_map[cn_num]
# 累加
            output = output + num * unit
            num = 0
else:
raise ValueError(f"{cn_num} 不在转化范围内")

return output

output = forward_cn2an_one("一百二十三")
# output: 123

是不是如你想象的那么简单，但这种基础算法到十万以上就不行了。比如 一十二万(通常情况下，你会更习惯说 十二万，但那个是口语说法)，用上述算法就会得到 20010，而不是 120000。

output =