如何从写成单词的数字中读取值？

众所周知，数字可以用数字来书写，也可以用名称来称呼。虽然有很多将 123 转换为 123 的示例，但我找不到如何将其反向转换的好示例。

一些注意事项：

1. 基数/名义或序数：“一”和“第一”
2. 常见的拼写错误：“四十”/“四十”
3. 数百/千：2100 ->“二十一百”以及“两千一百”
4. 分隔符：“1152”，也可以是“1152”或“1152”等等
5. 俗语：“三十多岁”
6. 分数：“三分之一”、“五分之二”
7. 常用名称：“一打”、“一半”

可能还有更多尚未列出的警告。 假设算法需要非常鲁棒，甚至能够理解拼写错误。

我应该阅读哪些领域/论文/研究/算法来学习如何编写所有这些内容？ 信息在哪里？

PS：我的最终解析器实际上应该理解 3 种不同的语言：英语、俄语和希伯来语。也许在稍后阶段会添加更多语言。希伯来语也有男性/女性数字，例如“一个男人”和“一个女人”有不同的“一”——“ehad”和“ahat”。俄语也有其自身的复杂性。

谷歌在这方面做得很好。例如：

http://www.google.com/search?q=two+thousand+and+one+hundred+plus+ Five+dozen+and+four+fifths+in+decimal

（反过来也是可以的http://www.google.com/search?q=999999999999+in+english)

我正在使用 PEG 解析器来完成您想要的操作（稍后可能会将其作为单独的答案发布），当时我注意到有一个非常简单的算法，可以很好地处理英语、西班牙语和阿拉伯语中常见的数字形式。至少是德语。

例如，使用英语时，您需要一个字典，以明显的方式将单词映射到值：

"one" -> 1, "two" -> 2, ... "twenty" -> 20,
"dozen" -> 12, "score" -> 20, ...
"hundred" -> 100, "thousand" -> 1000, "million" -> 1000000

...等等

算法就是：

total = 0
prior = null
for each word w
    v <- value(w) or next if no value defined
    prior <- case
        when prior is null:       v
        when prior > v:     prior+v
        else                prior*v
        else
    if w in {thousand,million,billion,trillion...}
        total <- total + prior
        prior <- null
total = total + prior unless prior is null

例如，其进展如下：

total    prior      v     unconsumed string
    0      _              four score and seven 
                    4     score and seven 
    0      4              
                   20     and seven 
    0     80      
                    _     seven 
    0     80      
                    7 
    0     87      
   87

total    prior      v     unconsumed string
    0        _            two million four hundred twelve thousand eight hundred seven
                    2     million four hundred twelve thousand eight hundred seven
    0        2
                  1000000 four hundred twelve thousand eight hundred seven
2000000      _
                    4     hundred twelve thousand eight hundred seven
2000000      4
                    100   twelve thousand eight hundred seven
2000000    400
                    12    thousand eight hundred seven
2000000    412
                    1000  eight hundred seven
2000000  412000
                    1000  eight hundred seven
2412000     _
                      8   hundred seven
2412000     8
                     100  seven
2412000   800
                     7
2412000   807
2412807

等等。我并不是说它是完美的，但对于快速和肮脏的情况来说，它做得相当好。

在编辑时处理您的特定列表：

1. 基数/名义或序数：“一”和“第一”--只需将它们放入字典中即可
2. 英语/英国语：“四十”/“四十”--ditto
3. 数百/数千： 2100 -> “二十一百”还有“两千一百”——按原样工作
4. 分隔符：“1152”，也可以是“1152”或“1152”等等——只需将“下一个单词”定义为与已定义单词匹配的最长前缀，或者如果没有，则定义为下一个非单词，作为开始
5. 口语：“三十多岁”——works
6. 片段：“三分之一”、“五分之二”--呃，还没……
7. 通用名称：“一打”、“一半”——作品;你甚至可以做“六打”之类的事情

数字 6 是唯一一个我没有现成答案的问题，这是因为序数词和分数之间的歧义（至少在英语中），再加上我最后一杯咖啡是many几个小时前。