在 PHP 中将单词转换为数字答案

【问题标题】：Converting words to numbers in PHP在 PHP 中将单词转换为数字
【发布时间】：2010-11-07 20:02:48
【问题描述】：

我正在尝试将写为单词的数值转换为整数。例如， “iPhone有二十三万七百八十三个应用程序” 会成为 “iPhone 作为 230783 个应用程序”

在我开始编码之前，我想知道是否存在任何用于此转换的函数/代码。

【问题讨论】：

【解决方案1】：

有很多页面讨论从数字到单词的转换。反方向没有那么多。我能找到的最好的是 Ask Yahoo 上的一些伪代码。请参阅http://answers.yahoo.com/question/index?qid=20090216103754AAONnDz 了解一个不错的算法：

嗯，总的来说，您要做两件事：查找标记（转换为数字的单词）和应用语法。简而言之，您正在为一种非常有限的语言构建解析器。

您需要的令牌是：

功率：千、百万、十亿
百：百
十：二十、三十……九十
单位：一、二、三、...九、
特殊：十、十一、十二、……十九

（删除任何“和”，因为它们没有意义。将连字符分成两个标记。即 65 应该被处理为“六十”“五”）

标记字符串后，从右移到左。

从右侧抓取所有标记，直到您击中 POWER 或整个字符串。

在这些模式的停止点之后解析标记：

特别
十个
单位
十个单位
单位百
单位百特
单位 10
单位百单位
单位一百十单位

（假设此语法中不允许使用“一千七百”）

这将为您提供号码的最后三位。

如果你停在整个字符串，你就完成了。

如果你停在一个功率，从第 1 步重新开始，直到你达到更高的功率或整个字符串。

【讨论】：

谢谢约翰！这个算法正是我想要的。我试图从左到右解析它，但这看起来更好。感谢您的帮助！
我在下面添加了一个实现类似算法的答案。

【解决方案2】：

老问题，但对于遇到这个问题的其他人，我今天必须写一个解决方案。下面的方法与 John Kugelman 描述的算法有一种模糊相似的方法，但并不适用于严格的语法；因此，它将允许一些奇怪的排序，例如“十万一百万”仍将产生与“一百万”相同的产量（1,100,000）。无效位（例如拼写错误的数字）将被忽略，因此将无效字符串上的输出视为未定义。

根据 user132513 对 joebert 答案的评论，我使用 Pear 的 Number_Words 生成测试系列。以下代码在 0 到 5,000,000 之间的数字上得分 100%，然后在 0 到 10,000,000 之间的 100,000 个数字的随机样本上得分 100%（运行整个 100 亿个系列需要很长时间）。

/**
 * Convert a string such as "one hundred thousand" to 100000.00.
 *
 * @param string $data The numeric string.
 *
 * @return float or false on error
 */
function wordsToNumber($data) {
    // Replace all number words with an equivalent numeric value
    $data = strtr(
        $data,
        array(
            'zero'      => '0',
            'a'         => '1',
            'one'       => '1',
            'two'       => '2',
            'three'     => '3',
            'four'      => '4',
            'five'      => '5',
            'six'       => '6',
            'seven'     => '7',
            'eight'     => '8',
            'nine'      => '9',
            'ten'       => '10',
            'eleven'    => '11',
            'twelve'    => '12',
            'thirteen'  => '13',
            'fourteen'  => '14',
            'fifteen'   => '15',
            'sixteen'   => '16',
            'seventeen' => '17',
            'eighteen'  => '18',
            'nineteen'  => '19',
            'twenty'    => '20',
            'thirty'    => '30',
            'forty'     => '40',
            'fourty'    => '40', // common misspelling
            'fifty'     => '50',
            'sixty'     => '60',
            'seventy'   => '70',
            'eighty'    => '80',
            'ninety'    => '90',
            'hundred'   => '100',
            'thousand'  => '1000',
            'million'   => '1000000',
            'billion'   => '1000000000',
            'and'       => '',
        )
    );

    // Coerce all tokens to numbers
    $parts = array_map(
        function ($val) {
            return floatval($val);
        },
        preg_split('/[\s-]+/', $data)
    );

    $stack = new SplStack; // Current work stack
    $sum   = 0; // Running total
    $last  = null;

    foreach ($parts as $part) {
        if (!$stack->isEmpty()) {
            // We're part way through a phrase
            if ($stack->top() > $part) {
                // Decreasing step, e.g. from hundreds to ones
                if ($last >= 1000) {
                    // If we drop from more than 1000 then we've finished the phrase
                    $sum += $stack->pop();
                    // This is the first element of a new phrase
                    $stack->push($part);
                } else {
                    // Drop down from less than 1000, just addition
                    // e.g. "seventy one" -> "70 1" -> "70 + 1"
                    $stack->push($stack->pop() + $part);
                }
            } else {
                // Increasing step, e.g ones to hundreds
                $stack->push($stack->pop() * $part);
            }
        } else {
            // This is the first element of a new phrase
            $stack->push($part);
        }

        // Store the last processed part
        $last = $part;
    }

    return $sum + $stack->pop();
}

【讨论】：

我发现这是一个非常强大且简洁的解决方案。做得好！我唯一的编辑是添加 'lakh' => '100000' 和 'crore' => '10000000'，正如 joeberts 回答中 user132513 提到的那样。
这不起作用的一个用例是，例如$data= 'five or ten'。这将返回 50。上面的答案适用于 OP。但是，必须考虑字符串具有“正确”的格式。就我而言，我试图从未经检查的字符串中删除数字，而不控制（或不知道）字符串可能是什么。用户有时会在表单中输入一些非常奇怪的回复！
"无效位（例如拼写错误的数字）将被忽略，因此认为无效字符串的输出未定义";不幸的是，这仅用于转换包含单个数字的字符串。您可以尝试使用上面的$data 列表将字符串拆分为片段（因为这些是我们关心的唯一子字符串），然后在每个片段上运行它，然后使用拆分词组合结果。
@ElYobo 效果很好，除了如果 $data 值是 Ten 而不是 ten 则返回0 而不是 10 。请帮助这个区分大小写的伙伴。
我建议将其作为第一行：$data = strtolower(trim($data));。这解决了@RajaGopal 提出的观点

【解决方案3】：

我没有对此进行过广泛的测试，我或多或少只是在研究它，直到我在输出中看到我所期望的，但它似乎有效，并且从左到右解析。

<?php

$str = 'twelve billion people know iPhone has two hundred and thirty thousand, seven hundred and eighty-three apps as well as over one million units sold';

function strlen_sort($a, $b)
{
    if(strlen($a) > strlen($b))
    {
        return -1;
    }
    else if(strlen($a) < strlen($b))
    {
        return 1;
    }
    return 0;
}

$keys = array(
    'one' => '1', 'two' => '2', 'three' => '3', 'four' => '4', 'five' => '5', 'six' => '6', 'seven' => '7', 'eight' => '8', 'nine' => '9',
    'ten' => '10', 'eleven' => '11', 'twelve' => '12', 'thirteen' => '13', 'fourteen' => '14', 'fifteen' => '15', 'sixteen' => '16', 'seventeen' => '17', 'eighteen' => '18', 'nineteen' => '19',
    'twenty' => '20', 'thirty' => '30', 'forty' => '40', 'fifty' => '50', 'sixty' => '60', 'seventy' => '70', 'eighty' => '80', 'ninety' => '90',
    'hundred' => '100', 'thousand' => '1000', 'million' => '1000000', 'billion' => '1000000000'
);


preg_match_all('#((?:^|and|,| |-)*(\b' . implode('\b|\b', array_keys($keys)) . '\b))+#i', $str, $tokens);
//print_r($tokens); exit;
$tokens = $tokens[0];
usort($tokens, 'strlen_sort');

foreach($tokens as $token)
{
    $token = trim(strtolower($token));
    preg_match_all('#(?:(?:and|,| |-)*\b' . implode('\b|\b', array_keys($keys)) . '\b)+#', $token, $words);
    $words = $words[0];
    //print_r($words);
    $num = '0'; $total = 0;
    foreach($words as $word)
    {
        $word = trim($word);
        $val = $keys[$word];
        //echo "$val\n";
        if(bccomp($val, 100) == -1)
        {
            $num = bcadd($num, $val);
            continue;
        }
        else if(bccomp($val, 100) == 0)
        {
            $num = bcmul($num, $val);
            continue;
        }
        $num = bcmul($num, $val);
        $total = bcadd($total, $num);
        $num = '0';
    }
    $total = bcadd($total, $num);
    echo "$total:$token\n";
    $str = preg_replace("#\b$token\b#i", number_format($total), $str);
}
echo "\n$str\n";

?>

【讨论】：

发现一个漏洞，漏掉了常见的数字和单词混合，例如“200万”。
它还会混淆日期的某些措辞。 “我是十九八十一岁出生的”
非常感谢 Joebert 的代码！我会努力改进它。我已经建立了一个包含 10000 个随机数字单词的测试集（使用 Numbers_Words），目前，将单词解码为数字的准确率为 75%。正确：45554 变成 45554 错误：51586 变成 586
刚刚意识到这个问题。访问第一个键时发生了一些有趣的事情，即 'one' 而是将 'quadrillion' => '1000000000000000' 放在 'one' 之前，它可以 100% 的准确度。
另外，在 $keys 中包含 'lakh' => '100000' 和 'crore' => '10000000'。在南亚国家，它们比百万更常见

【解决方案4】：

更新了El Yobo 的答案，现在可以在（几乎）任何包含数字的字符串上运行 wordsToNumber 函数。

https://github.com/thefish/words-to-number-converter

converter.php - 转换器本身

test.php - 使用各种字符串进行测试

UPD 22.10.2020：答案变得太大而无法维护。将代码移至 github。

【讨论】：

对于地址号码“一二三主要街道”或“一二十三主要街道”，这比其他方法好得多。
@thefish 喜欢混合输入支持，但是像“三万三千五十九美元”这样的字符串不起作用。 “和”会导致问题。

【解决方案5】：

我发现的最简单的方法是使用 numfmt_parse：

$fmt = numfmt_create('en_US', NumberFormatter::SPELLOUT);
echo numfmt_parse($fmt, 'one million two hundred thirty-four thousand five hundred sixty-seven');

（来源；Dorian 的帖子https://stackoverflow.com/a/31588055/11827985）：

【讨论】：

【解决方案6】：

PEAR Numbers_Words 包可能是一个好的开始：http://pear.php.net/package-info.php?package=Numbers_Words

【讨论】：

谢谢贾尼。这个包看起来很有趣，尽管这与我的目标相反，即从数字到单词。在未来的项目中会很有用。