如何将数字转换成口语中的文本串

概述

今天突发奇想, 写一个将数字转换成中文字符串的函数. 并不是将 1234 转成 '1234' , 而是将 1234 转成 '一千二百三十四'.

本来以为很简单, 写下来之后发现还是有些坑的.

尝试

因为我是在写完最终版本, 回过头来整理的这篇文章, 所以中间很多尝试的步骤会有所遗漏. 以下简单整理一下. 如果不想看, 可以直接拉到最后, 看最终的成品.

第一次尝试

在写之前, 首先要寻找中文说话的规律嘛.

1. 数字的念法: 零一二三四五六七八九
2. 每一位都有一个对应的权重: 个十百千万

所以我的初步想法是, 将数字的每一位都转成中文然后拼上对应的权重, so easy. 以下为 Python 实现:

# 数字中文
DIGIT_STR_LIST = ['', '一', '二', '三', '四', '五', '六', '七', '八', '九']
# 权重中文
WIGHT_STR_LIST = ['', '十', '百', '千', '万', '十万', '百万', '千万', '亿']

def num_to_str(num):
    # 保存每一位的内容
    result_list = []
    # 遍历数字的每一位, 将数组转列表并倒序遍历
    for wight, digit in enumerate(reversed(list(str(num)))):
        digit = int(digit)
        digit_str = DIGIT_STR_LIST[digit] if digit < len(DIGIT_STR_LIST) else ''
        wight_str = WIGHT_STR_LIST[wight] if wight < len(WIGHT_STR_LIST) else ''
        # 结果拼接
        result_list.append(digit_str + wight_str)
    # 将结果倒序拼接
    result_list.reverse()
    return "".join(result_list)

OK, 写的很流畅, 也很简单, 尝试一下.

• 传参: 1234 , 输出: 一千二百三十四 . 很完美.
• 五位数试一下: 54321. 输出: 五万四千三百二十一. nice
• 六位数试一下: 654321 . 输出: 六十万五万四千三百二十一. ???

有问题. 这里问题很明显了, 我将权重直接拼到了每一位的后边, 而十万直接拼上去明显有问题. 正解应该是六十五万四千三百二十一.

到这里, 毫无疑问, 一开始思路就错了, 需要重新改变一下思路了.

第二次尝试

对于654321这个数字.

十万位6没有将十万直接拼到后边, 而是和万位5连起来, 一起组成了六十五万. 再多一个数字呢? 7654321, 就应该是七百六十五万. 我貌似发现规律了, 把数字切分为四个一组就可以了.

再看一下位数多一点的数字: 1-2345-6789. 中文是: 一亿-二千三百四十五万-六千七百八十九 嗯, 和我预想得一毛一样. 大概懂了, 着手改进一下:

# 数字中文
DIGIT_STR_LIST = ['', '一', '二', '三', '四', '五', '六', '七', '八', '九']
# 权重中文
WIGHT_STR_LIST = ['', '十', '百', '千']
# 分组后对应的中文
GROUP_STR_LIST = ['', '万', '亿', '兆']


def thousand_list_num_to_str(num_list: list) -> str:
    """
    将4位数字转成字符串
    :param num_list: 数字列表, 长度不超过4. 索引和数字对应为: 个十百千
    :return:
    """
    # 保存每一位的内容
    result_list = []
    # 遍历数字的每一位, 将数组转列表并倒序遍历
    for wight, digit in enumerate(num_list):
        digit = int(digit)
        digit_str = DIGIT_STR_LIST[digit] if digit < len(DIGIT_STR_LIST) else ''
        wight_str = WIGHT_STR_LIST[wight] if wight < len(WIGHT_STR_LIST) else ''
        # 结果拼接
        result_list.append(digit_str + wight_str)
    # 将结果倒序拼接
    result_list.reverse()
    return "".join(result_list)


def num_to_str(num : int) -> str:
    """
    将数组装成中文
    :param num:
    :return:
    """
    # 将数字切割为每四个一组, 分别进行处理
    num_list = list(str(num))
    # 这里为了处理长度不是4整数倍的情况, 提前反转.
    num_list.reverse()
    group_num_list = [num_list[i:i+4] for i in range(0, len(num_list), 4)]
    result_list = []
    # 遍历每一组, 并产生对应中文输出
    for group, num_list in enumerate(group_num_list):
        this_num_str = thousand_list_num_to_str(num_list)
        group_str = GROUP_STR_LIST[group] if group < len(GROUP_STR_LIST) else ''
        result_list.append(this_num_str + group_str)
    result_list.reverse()
    return ''.join(result_list)

OK! 现在已经可以应对刚才的情况了. 试一下:

• 654321 -> 六十五万四千三百二十一
• 321 -> 三百二十一
• 120 -> 一百二十
• 10101010 -> 一千百一十万一千百一十 纳尼????
• 1000 -> 一千百一十 纳尼???

很明显, 问题出在thousand_list_num_to_str 这个函数.

四位数的时候, 0应该是要跳过的.

第三次尝试

我们对thousand_list_num_to_str函数进行简单的改进, 遇到零的时候直接跳过, 不进行处理. 改进后如下(只展示了部分改动的地方):

DIGIT_STR_LIST = ['零', '一', '二', '三', '四', '五', '六', '七', '八', '九']


def thousand_list_num_to_str(num_list: list) -> str:
    """
    将4位数字转成字符串
    :param num_list: 数字列表, 长度不超过4. 索引和数字对应为: 个十百千
    :return:
    """
    # 保存每一位的内容
    result_list = []
    # 遍历数字的每一位, 将数组转列表并倒序遍历
    for wight, digit in enumerate(num_list):
        digit = int(digit)
        # 0无输出
        if digit is 0:
            continue
        digit_str = DIGIT_STR_LIST[digit] if digit < len(DIGIT_STR_LIST) else ''
        wight_str = WIGHT_STR_LIST[wight] if wight < len(WIGHT_STR_LIST) else ''
        # 结果拼接
        result_list.append(digit_str + wight_str)
    # 将结果倒序拼接
    result_list.reverse()
    return "".join(result_list)
    

OK, 再次尝试.

• 10101010 -> 一千一十万一千一十 nice!
• 100 -> 一百 nice!
• 1210 -> 一千二百一十
• 1201 -> 一千二百一 纳尼??

这里按照思维, 应该是输出一千二百零一才对. 继续对thousand_list_num_to_str函数进行加工.

第四次尝试

这里thousand_list_num_to_str函数要将零输出, 但是要考虑连续为零的情况(前边的100). 改动后代码如下:

def thousand_list_num_to_str(num_list: list) -> str:
    """
    将4位数字转成字符串
    :param num_list: 数字列表, 长度不超过4. 索引和数字对应为: 个十百千
    :return:
    """
    # 保存每一位的内容
    result_list = []
    # 遍历数字的每一位, 将数组转列表并倒序遍历
    for wight, digit in enumerate(num_list):
        digit = int(digit)
        if digit is 0:
            # 个位的0无输出
            if wight is 0:
                continue
            # 连续0无输出
            elif int(num_list[wight-1]) is 0:
                continue
            # 直接拼零
            result_list.append(ZERO_STR)
            continue
        digit_str = DIGIT_STR_LIST[digit] if digit < len(DIGIT_STR_LIST) else ''
        wight_str = WIGHT_STR_LIST[wight] if wight < len(WIGHT_STR_LIST) else ''
        #
        if digit is 0:
            wight_str = ''
        # 结果拼接
        result_list.append(digit_str + wight_str)
    # 将结果倒序拼接
    result_list.reverse()
    return "".join(result_list)

OK. 尝试一下:

• 100 -> 一百
• 1201 -> 一千二百零一 nice
• 101 -> 一百零一
• 1000 -> 一千
• 100000000 -> 一亿万 什么鬼?

后边怎么多了一个万?

第五次尝试

有了处理0的经验, so easy, num_to_str这个函数呀加上一个对0的处理就好了. 代码如下(只展示了num_to_str函数):

def num_to_str(num : int) -> str:
    """
    将数组装成中文
    :param num:
    :return:
    """
    # 将数字切割为每四个一组, 分别进行处理
    num_list = list(str(num))
    # 这里为了处理长度不是4整数倍情况, 提前反转.
    num_list.reverse()
    group_num_list = [num_list[i:i+4] for i in range(0, len(num_list), 4)]
    result_list = []
    # 遍历每一组, 并产生对应中文输出
    for group, num_list in enumerate(group_num_list):
        # 若是0, 跳过
        if int(''.join(num_list)) is 0:
            continue
        this_num_str = thousand_list_num_to_str(num_list)
        group_str = GROUP_STR_LIST[group] if group < len(GROUP_STR_LIST) else ''
        result_list.append(this_num_str + group_str)
    result_list.reverse()
    return ''.join(result_list)

再次进行尝试:

• 100000000 -> 一亿 nice!!
• 0 -> ??? 我的零呢?

第六次尝试

这个判断就粗暴了, 直接在num_to_str的入口处强制判一下0, 改动内容:

ZERO_STR = '零'
def num_to_str(num : int) -> str:
    if num is 0:
        return ZERO_STR
    ...

再来:

• 0 -> 零
• ...

经过我的一番测试, 基本完成.

总结

开始有这个想法的时候, 我想着会很简单, 随便写写咯. 但是当真正开始动手后, 才发现, 事情完全偏离了我的预期. 在写的过程中, 初版只是个很简单的版本, 但是在自己尝试的过程中总是发现各种各样的问题, 甚至有的时候解决了这个问题, 回头一测, 发现原来已经改好的问题有出现了, 唉, 果然还是功力太浅啊. too young, too simple, sometimes naive.

我最终还算是磕磕绊绊的写完了, 不过冥冥之中还是感觉有一些情况没有考虑到, 无妨, 反正这不过是个一路填坑的过程, 再碰到问题, 改就完了.

---

至此, 代码初步完成, 将完整代码奉上:

# 数字中文
DIGIT_STR_LIST = ['', '一', '二', '三', '四', '五', '六', '七', '八', '九']
# 权重中文
WIGHT_STR_LIST = ['', '十', '百', '千']
# 分组后对应的中文
GROUP_STR_LIST = ['', '万', '亿', '兆']
# 零
ZERO_STR = '零'


def thousand_list_num_to_str(num_list: list) -> str:
    """
    将4位数字转成字符串
    :param num_list: 数字列表, 长度不超过4. 索引和数字对应为: 个十百千
    :return:
    """
    # 保存每一位的内容
    result_list = []
    # 遍历数字的每一位, 将数组转列表并倒序遍历
    for wight, digit in enumerate(num_list):
        digit = int(digit)
        if digit is 0:
            # 个位的0无输出
            if wight is 0:
                continue
            # 连续0无输出
            elif int(num_list[wight-1]) is 0:
                continue
            # 直接拼零
            result_list.append(ZERO_STR)
            continue
        digit_str = DIGIT_STR_LIST[digit] if digit < len(DIGIT_STR_LIST) else ''
        wight_str = WIGHT_STR_LIST[wight] if wight < len(WIGHT_STR_LIST) else ''
        #
        if digit is 0:
            wight_str = ''
        # 结果拼接
        result_list.append(digit_str + wight_str)
    # 将结果倒序拼接
    result_list.reverse()
    return "".join(result_list)


def num_to_str(num : int) -> str:
    """
    将数组装成中文
    :param num:
    :return:
    """
    if num is 0:
        return ZERO_STR
    # 将数字切割为每四个一组, 分别进行处理
    num_list = list(str(num))
    # 这里为了处理长度不是4整数倍情况, 提前反转.
    num_list.reverse()
    group_num_list = [num_list[i:i+4] for i in range(0, len(num_list), 4)]
    result_list = []
    # 遍历每一组, 并产生对应中文输出
    for group, num_list in enumerate(group_num_list):
        # 若是0, 跳过
        if int(''.join(num_list)) is 0:
            continue
        this_num_str = thousand_list_num_to_str(num_list)
        group_str = GROUP_STR_LIST[group] if group < len(GROUP_STR_LIST) else ''
        result_list.append(this_num_str + group_str)
    result_list.reverse()
    return ''.join(result_list)