更新历史

v1.1.7预告

增加TimeEntity from/to属性，方便使用时间段，比如"今天8点到10点", 8点的to指向10点，10点的from指向8点，这样在使用中发现start=true的话就可以通过to属性引用到end时间

v1.1.6

修复”每月三号上午8点到10点“中10点识别后没有cycle属性的bug
修复"星期天","星期日"无法识别的bug
增加如下几个模糊时间引用的识别，当前是识别成时间点了

       凌晨：1
       早上|早晨：6
       中午|午间：12
       下午|午后：14
       傍晚：18
       晚上：20

v1.1.5

fix bug for: 早上四点三十(不识别，并且normalize到下午了)，5点到我这里来(5点识别成start time了）

v1.1.4

fix bug for: 早上四点三十分，早上四点半， add timezone support

v1.1.3

增加sys_timedelta, sys_duration的识别，draft version now

v1.1.2

增加相对时间识别，增加日期boolean属性，增加起始时间和结束时间boolean属性
修复晚上12点识别bug
当没有日期的前提下，时间识别识别为未来的时间，比如当前是下午4点，输入是：定6点的会议，那么识别为18点
增加时间循环识别，比如每天、每周、每月，目前还不支持每年

v1.1.0

修复了四点半、一个小时后，15分钟后几种无法识别的时间修复"帮我设置一下下周五"识别为"下下周五"的问题

v1.0.8 更新时间识别模块

修复了六月三日、六月三号等中文表述时间识别的问题
增加了multiregexp来辅助debug，但其效率问题太严重（6分钟build）所以没有将其用到对外api中，但用到了测试case中来辅助定位是哪一个正则被匹配到了

v1.0.6 更新时间识别模块

原有的正则表达式可读性太差，不好修改，这个版本主要更新了正则表达式的表示方法，详细的更新点如下：

更新了正则表达式的输入方式，目前放到time.regex文件中，每行一个正则，可以识别一类时间实体，以#开头的行会跳过，空白行也会被跳过
TimeEntityRecognizer构造函数允许以文件输入和InputStream输入正则，格式和time.regex一致
修复了5月18无法识别的情况，这个原来会被识别为5月

maven依赖

在

    <repositories>
    </repositories>

中增加一个repository

       <repository>
            <id>weiweiwang-maven-repo</id>
            <url>https://raw.githubusercontent.com/weiweiwang/mvn-repo/master/repository</url>
        </repository>

在dependencies中增加(最新版本请查看pom.xml)

        <dependency>
            <groupId>io.github.weiweiwang</groupId>
            <artifactId>mandarintools</artifactId>
            <version>1.0.5</version>
        </dependency>

功能说明

中英文数字转换

对外暴漏的就是两个如下函数，使用方法参看下面的转换样例，由于都是静态函数，不会有类变量问题，所以是thread-safe的

    public static String englishNumberToChinese(String text)
    public static double chineseNumberToEnglish(String text)

中文数字转成英文数字

支持负数、小数、分数，中文数字可以使用各种大小写形式，具体写法可以参考对照表中内容

        final double delta = 1e-10;
        Assert.assertEquals(0.6, ChineseNumbers.chineseNumberToEnglish("五分之三"), delta);
        Assert.assertEquals(45044318, ChineseNumbers.chineseNumberToEnglish("四千五百零四万四千三百一十八"), delta);
        Assert.assertEquals(4500, ChineseNumbers.chineseNumberToEnglish("四千五"), delta);
        Assert.assertEquals(45, ChineseNumbers.chineseNumberToEnglish("四五"), delta);
        Assert.assertEquals(1000000003000L, ChineseNumbers.chineseNumberToEnglish("1兆零三千"), delta);
        Assert.assertEquals(1500, ChineseNumbers.chineseNumberToEnglish("千五"), delta);
        Assert.assertEquals(3.514, ChineseNumbers.chineseNumberToEnglish("三点五一四"), delta);
        Assert.assertEquals(-3.514, ChineseNumbers.chineseNumberToEnglish("负三点五一四"), delta);
        Assert.assertEquals(26617900, ChineseNumbers.chineseNumberToEnglish("貳仟陸佰陸拾壹萬柒仟玖佰"), delta);

英文数字转中文

支持负数、小数、分数

        Assert.assertEquals("二百萬九千", ChineseNumbers.englishNumberToChinese("2009000"));
        Assert.assertEquals("五点三", ChineseNumbers.englishNumberToChinese("5.3"));
        Assert.assertEquals("负五点三", ChineseNumbers.englishNumberToChinese("-5.3"));
        Assert.assertEquals("三分之一", ChineseNumbers.englishNumberToChinese("1/3"));
        Assert.assertEquals("负三分之一", ChineseNumbers.englishNumberToChinese("-1/3"));

对照表

	0	1	2	3	4	5	6	7	8	9	10	100	1000	10000	100000000
Traditional	零	一	二	三	四	五	六	七	八	九	十	百	千	萬	億
Simplified	零	一	二	三	四	五	六	七	八	九	十	百	千	万	亿
Formal Trad. (Daxie)	零	壹	貮	叄	肆	伍	陆	柒	捌	玖	拾	佰	仟	万	亿
Formal Simp. (Daxie)	零	壹	贰	叁	肆	伍	陆	柒	捌	玖	拾	佰	仟	万	亿
Pinyin	ling2	yi1	er4	san1	si4	wu3	liu4	qi1	ba1	jiu3	shi2	bai3	qian1	wan4	yi4

代码来源

基本完全参考这个网站的实现 http://www.mandarintools.com/numbers.html

原perl代码地址http://www.mandarintools.com/download/ChineseNumbersU8.pm

功能上做了裁剪，输出类型被我去掉了，源代码支持多种输出类型，英文转中文增加了分数(如1/3)支持

测试

用了如下网址生成测试数据来做测试

https://futureboy.us/fsp/ChineseWorksheetGenerator.fsp

时间实体识别

越来越多的聊天机器人出现，其中时间实体等系统实体的识别是痛点之一，本开源代码基于复旦nlp开源库实现，增加offset，优化了代码清晰度和结构

对外暴漏的是parse函数，test case代码如下，调用是thread-safe的

@Test
public void testTimeEntityRecognition() {
    TimeEntityRecognizer timeEntityRecognizer = new TimeEntityRecognizer();
    String[] texts = {"上上周日", "六月十五日", "1972年", "80年", "今天", "去年", "1997年", "今晚", "今年", "最近两三年", "Hi，all.下午三点开会",
            "周一开会", "早上六点起床", "下下周一开会"};
    for (String txt : texts) {
        List<TimeEntity> timeEntityList = timeEntityRecognizer.parse(txt);
        LOGGER.debug("text:{}, time entities:{}", txt, timeEntityList);
    }
}

返回的time entity具有如下三个属性：

    private String original;
    private Date value;
    private int offset;

goyourfly / mandarintools-1