7

我正在使用 ICU 编写一个函数来解析由汉字数字字符组成的 Unicode 字符串，并希望返回字符串的整数值。

"五" => 5
"三十一" => 31
"五千九百七十二" => 5972

我将语言环境设置为 Locale::getJapan() 并使用 NumberFormat::parse() 来解析字符串。但是，每当我传递任何汉字字符时，parse() 方法都会返回 U_INVALID_FORMAT_ERROR。

有谁知道 ICU 是否支持 NumberFormat::parse() 方法中的汉字字符串？我希望因为我将语言环境设置为日语，所以它能够解析汉字数值。

谢谢！

#include <iostream>
#include <unicode/numfmt.h>

using namespace std;

int main(int argc, char **argv) {
    const Locale &jaLocale = Locale::getJapan();
    UErrorCode status = U_ZERO_ERROR;
    NumberFormat *nf = NumberFormat::createInstance(jaLocale, status);

    UChar number[] = {0x4E94}; // Character for '5' in Japanese '五'
    UnicodeString numStr(number);
    Formattable formattable;
    nf->parse(numStr, formattable, status);
    if (U_FAILURE(status)) {
        cout << "error parsing as number: " << u_errorName(status) << endl;
        return(1);
    }
    cout << "long value: " << formattable.getLong() << endl;
}
4

4 回答 4

6

您可以使用 ICU 基于规则的数字格式 (RBNF) 模块 rbnf.h (C++) 或对于 C，在 unum.h 中带有 UNUM_SPELLOUT 选项，两者都带有日语的“ja”语言环境。Atryom 为您的 C++ 代码提供了更正：new RuleBasedNumberFormat(URBNF_SPELLOUT,jaLocale, status);

于 2009-10-07T17:29:51.377 回答
3

我创建了一个小的 perl 模块来执行此操作。它可以转换阿拉伯语<=>日语，虽然我没有对它进行详尽的测试，但我认为它非常全面。随时改进它。

 
package kanjiArabic;
use strict;
use warnings;
our $VERSION = "1.00";
use utf8;

our %big = (
    十 => 10,百 => 100,千 => 1000,
    );
our %bigger = (
    万 => 10000,億 => 100000000,
    兆 => 1000000000000,京 => 10000000000000000,
    垓 => 100000000000000000000,
    );
#precompile regexes                                                                                                          
our $qr = qr/[0-9]/;
our $bigqr = qr/[十百千]/;
our $biggerqr = qr/[万億兆京垓]/;

#this routine does most of the real work.
sub kanji2arabic{
    $_ = shift;

    tr/〇一二三四五六七八九/0123456789/;
    #optionally precompile for performance boost                                                                             
    s/(?<=${qr})(${bigqr})/\*${1}/g;
    s/(?<=${bigqr})(${bigqr})/\+${1}/g;
    s/(${bigqr})(?=${qr})/${1}\+/g;
    s/(${bigqr})(?=${bigqr})/${1}\+/g;
    s/(${bigqr})/${big{$1}}/g;

    s/([0-9\+\*]+)/\(${1}\)/g;

    s/(? "〇", 1 => "一", 2 => "二", 3 => "三", 4 => "四",
    5 => "五", 6 => "六", 7 => "七", 8 => "八", 9 => "九",
    );
our %places = (
    1 => 10, 
    2 => 100, 
    3 => 1000, 
    4 => 10000, 
    8 => 100000000, 
    12 => 1000000000000,
    16 => 10000000000000000, 
    20 => 100000000000000000000,
    );
our %abig   = (
    10 => "十", 
    100 => "百", 
    1000 => "千", 
    10000 => "万", 
    100000000 => "億",
    1000000000000 => "兆", 
    10000000000000000 => "京", 
    100000000000000000000 => "垓",
    );
our $MAX = 24; #We only support numbers up to 24 digits!                                                                     


sub arabic2kanji{
    my @number = reverse(split(//,$_[0]));
    my @kanji;
    for(my $i=$#number;$i>=0;$i--){
        if( $i==0 ){push(@kanji,$asmall{$number[$i]});}
        elsif( $i % 4 == 0 ){
            if( $number[$i] !~ m/[01]/ ){
                push(@kanji,$asmall{$number[$i]});
            }
            push(@kanji,$abig{$places{$i}});
    }else{
            my $p = $i % 4;
            if( $number[$i]==0 ){
                next;
            }elsif( $number[$i]==1 ){
                push(@kanji,$abig{$places{$p}});
            }else{
                push(@kanji,$asmall{$number[$i]});
        push(@kanji,$abig{$places{$p}});
            }
    }
    }
    return join("",@kanji);
}


sub eval_k2a{
    #feed me utf-8!                                                                                                          
    if($_[0] !~ m/^[〇一二三四五六七八九十百千万億兆京垓]+$/){
        print "Error: ".$_[0].
              " not a Kanji number.\n" if defined($_[1])&&$_[1]==1;
        return -1;
    }
    my $expression = kanji2arabic($_[0]);
    print $expression."\n" if defined($_[1])&&$_[1]==1;
    return eval($expression);
}



1;

然后你会像这样从另一个脚本中调用它，


#!/usr/bin/perl -w
use strict;
use warnings;
use Encode;
use kanjiArabic;

my $kanji = kanjiArabic::arabic2kanji($ARGV[0]);
print "Kanji: ".encode("utf8",$kanji)."\n";
my $arabic =  kanjiArabic::eval_k2a($kanji);
print "Back to arabic...\n";
print "Arabic: ".$arabic."\n";

并像这样使用这个脚本，


kettle:~/k2a$ ./k2a.pl 5000215
Kanji: 五百万二百十五
Back to arabic...
Arabic: 5000215

摇滚。

于 2009-05-04T09:49:13.167 回答
1

我受到您的问题的启发，使用 Python 解决了这个问题。

如果您没有找到 C++ 解决方案，那么将其适应 C++ 应该不会太难。

于 2009-04-28T05:21:59.943 回答
0

这实际上是相当困难的，尤其是当您开始查看非常大的数字的晦涩汉字时。

在 perl 中，Lingua::JA::Numbers中有一个非常完整的实现。如果您想将它移植到 C++，它的来源可能会很有启发性。

于 2010-03-23T05:37:33.837 回答