प्रस्तावना

शुभ दोपहर, प्रिय पाठकों। इस लेख में मैं रूसी में शब्दों में लिखे गए एक नंबर को पार्स करने के तरीके के बारे में बात करूंगा।

स्मार्ट यह पार्सर गलत इनपुट के परिणामस्वरूप या एक छवि (OCR) से पाठ की ऑप्टिकल पहचान के परिणामस्वरूप की गई त्रुटियों के साथ पाठ से संख्या निकालने के लिए संभव बनाता है।

आलसी के लिए:
जीथब प्रोजेक्ट का लिंक : लिंक ।

एल्गोरिदम से परिणाम तक

यह खंड उपयोग किए गए एल्गोरिदम का वर्णन करेगा। सावधानी, बहुत सारे पत्र!

समस्या का बयान

काम पर, मुझे स्मार्टफोन / टैबलेट कैमरे से छपे एक मुद्रित दस्तावेज़ से पाठ को पहचानना होगा। गैर-प्रकटीकरण समझौते के कारण, मैं एक तस्वीर का एक उदाहरण नहीं दे सकता, लेकिन मुद्दा यह है कि दस्तावेज़ में एक तालिका है जिसमें कुछ संकेतक संख्याओं और शब्दों में लिखे गए हैं, और यह डेटा पढ़ा जाना चाहिए। यह सुनिश्चित करने के लिए कि संख्या सही ढंग से पहचानी जाती है, शब्दों में पाठ पार्स करना एक अतिरिक्त सत्यापन उपकरण के रूप में आवश्यक है। लेकिन, जैसा कि आप जानते हैं, ओसीआर सटीक पाठ मान्यता की गारंटी नहीं देता है। उदाहरण के लिए, संख्या बीस, जिसे शब्दों में लिखा गया है, को "DVupat" या "DVupat" के रूप में भी पहचाना जा सकता है। संभावित त्रुटि की भयावहता का मूल्यांकन करते हुए, इसे ध्यान में रखना और अधिकतम मात्रा में जानकारी निकालना आवश्यक है।

नोट। पाठ पहचान के लिए, मैं टेसरैक्ट 4 का उपयोग करता हूं। .NET के लिए, चौथे संस्करण का कोई तैयार-निर्मित NuGet पैकेज नहीं है, इसलिए मैंने मुख्य प्रोजेक्ट शाखा से एक बनाया, जो काम में आ सकता है: Genesis.Tesseract4 ।

बुनियादी संख्या पार्सिंग एल्गोरिथ्म

आइए एक साधारण से शुरू करें, अर्थात् शब्दों में लिखे पाठ पहचान एल्गोरिथ्म के साथ, अब तक त्रुटियों के बिना। यदि आप स्मार्ट पार्सिंग में रुचि रखते हैं, तो इस अनुभाग को छोड़ दें।

मैं गुग्लिंग में विशेष रूप से अच्छा नहीं हूं, इसलिए मैंने तुरंत इस समस्या को हल करने के लिए तैयार एल्गोरिथम नहीं पाया। हालांकि, यह बेहतर के लिए भी है, क्योंकि स्वयं द्वारा आविष्कार किया गया एक एल्गोरिथ्म कोडिंग के लिए अधिक जगह देता है। और कार्य ही दिलचस्प हो गया।

तो, चलो एक छोटी संख्या लेते हैं, उदाहरण के लिए, "एक सौ तेईस।" इसमें तीन शब्द ( टोकन ) शामिल हैं, जिनमें से प्रत्येक एक संख्या से मेल खाता है, इन सभी संख्याओं को संक्षेप में प्रस्तुत किया गया है:

अब तक, सब कुछ सरल है, लेकिन हम गहराई से खुदाई करते हैं, उदाहरण के लिए, संख्या पर विचार करें "दो सौ बारह हजार एक सौ पांच।"

जैसा कि आप देख सकते हैं, जब संख्या में हजारों (साथ ही लाखों और अन्य डिग्री एक हजार) हैं, तो संख्या एक स्थानीय छोटी संख्या से युक्त भागों में विभाजित है, ऊपर उदाहरण में - 212, और एक कारक (1000)। ऐसे कई टुकड़े हो सकते हैं, लेकिन वे सभी गुणक के अवरोही क्रम में चलते हैं, उदाहरण के लिए, एक हजार या एक हजार एक हजार का पालन नहीं कर सकते हैं। यह एक छोटी संख्या के हिस्सों के लिए भी सही है, क्योंकि सैकड़ों सैकड़ों और दसियों दर्जनों का पालन नहीं कर सकते हैं, इसलिए प्रविष्टि "एक सौ और पांच सौ" गलत है। हम एक विशेषता कहेंगे जो एक ही स्तर के दो टोकन से संबंधित है , उदाहरण के लिए, "एक सौ" और "तीन सौ" टोकन का एक स्तर है, और यह "पचास" टोकन से अधिक है।

इन विचारों से, एक एल्गोरिथ्म का विचार पैदा होता है। आइए सभी संभावित टोकन ( नमूने ) लिखें, जिनमें से प्रत्येक हम एक संख्या, साथ ही दो मापदंडों - स्तर और गुणक के संकेत को निर्दिष्ट करेंगे।

वास्तव में, आप इस तालिका में किसी भी अन्य टोकन को शामिल कर सकते हैं, जिसमें विदेशी भाषाएं भी शामिल हैं, बस यह मत भूलो कि कुछ देशों में, बजाय एक छोटी , नामकरण प्रणाली का उपयोग किया जाता है ।

अब चलते हैं पार्सिंग की ओर। हमें चार मात्राएँ मिलेंगी:

1. वैश्विक स्तर (GlobalLevel)। अंतिम गुणक के स्तर को इंगित करता है। शुरू में अपरिभाषित और नियंत्रण के लिए आवश्यक। यदि हम एक गुणक टोकन का सामना करते हैं जिसका स्तर वैश्विक से अधिक या उसके बराबर है, तो यह एक त्रुटि है।
2. वैश्विक मूल्य (GlobalValue)। कुल जोड़, जहां परिणाम स्थानीय संख्या और कारक को गुणा करने का परिणाम है।
3. स्थानीय स्तर (localLevel)। बताता है कि आखिरी टोकन किस स्तर का था। प्रारंभ में अपरिभाषित, वैश्विक स्तर के समान काम करता है, लेकिन गुणक की खोज के बाद रीसेट हो जाता है।
4. स्थानीय मान (LocalValue) एक गैर-गुणक टोकन योजक, अर्थात्। 999 तक की संख्या।

एल्गोरिथ्म इस प्रकार है:

1. नियमित रूप से "\ s +" का उपयोग करके स्ट्रिंग को टोकन में तोड़ दें।
2. हम अगला टोकन लेते हैं, हमें नमूने के बारे में जानकारी मिलती है।
3. यदि यह एक गुणक है:
   
   • यदि वैश्विक स्तर निर्धारित है, तो हम यह सुनिश्चित करते हैं कि यह टोकन के स्तर से अधिक या बराबर है। यदि नहीं, तो यह एक त्रुटि है; संख्या गलत है।
   • वैश्विक स्तर को वर्तमान टोकन के स्तर पर सेट करें।
   • स्थानीय मूल्य से टोकन के मूल्य को गुणा करें और परिणाम को वैश्विक मूल्य में जोड़ें।
   • हम स्थानीय मूल्य और स्तर को साफ करते हैं।
4. यदि यह गुणक नहीं है:
   
   • यदि स्थानीय स्तर निर्धारित है, तो हम यह सुनिश्चित करते हैं कि यह टोकन के स्तर से अधिक या बराबर है। यदि नहीं, तो यह एक त्रुटि है; संख्या गलत है।
   • स्थानीय स्तर को वर्तमान टोकन के स्तर पर सेट करें।
   • स्थानीय मूल्य में टोकन मूल्य जोड़ें।
5. हम वैश्विक और स्थानीय मूल्यों के योग के रूप में परिणाम लौटाते हैं।

संख्या के लिए काम का एक उदाहरण "दो लाख दो सौ बारह हजार एक सौ अस्सी पांच।"

परिणाम 2.212.185 होगा।

स्मार्ट पार्सिंग

इस एल्गोरिथ्म का उपयोग अन्य तुलनाओं को लागू करने के लिए किया जा सकता है, न कि केवल पार्सिंग संख्याओं के लिए, इस कारण से मैं इसे और अधिक विस्तार से वर्णन करने का प्रयास करूंगा।

सही ढंग से लिखे गए नंबर को पार्स करने के साथ। अब आइए इस बारे में विचार करें कि ओसीआर के परिणामस्वरूप प्राप्त संख्या गलत होने पर क्या त्रुटियां हो सकती हैं। मैं अन्य विकल्पों पर विचार नहीं करता, लेकिन आप किसी विशिष्ट कार्य के लिए एल्गोरिथ्म को संशोधित कर सकते हैं।

मैंने तीन प्रकार की त्रुटियों की पहचान की है जो मुझे काम करने की प्रक्रिया में मिलीं:

1. एक समान शैली वाले पात्रों को दूसरों के साथ बदलें। उदाहरण के लिए, अक्षर "c" किसी कारण से "p", और "n" द्वारा "और" और इसके विपरीत है। तृतीयक संस्करण का उपयोग करते समय, अक्षर "ओ" को शून्य से बदलना संभव है। इन त्रुटियों, ऑफहैंड, सबसे आम हैं, और एक विशिष्ट मान्यता पुस्तकालय के लिए ट्यूनिंग की आवश्यकता होती है। इसलिए, टेसेरैक्ट संस्करणों 3 और 4 के कार्य सिद्धांतों में कार्डिनल अंतर हैं, इसलिए वहां त्रुटियां अलग होंगी।
   
2. टोकन मर्ज। शब्द एक साथ विलय कर सकते हैं (अभी तक विपरीत नहीं मिले हैं)। पहली त्रुटि के साथ संयोजन में, यह "डबल वन" जैसे राक्षसी वाक्यांश उत्पन्न करता है। आइए ऐसे राक्षसों को भी गिराने की कोशिश करें।
   
3. शोर - पाठ में बाएं वर्ण और वाक्यांश। दुर्भाग्य से, ऐसा बहुत कम है जो फिलहाल किया जा सकता है, लेकिन पर्याप्त रूप से महत्वपूर्ण आंकड़े एकत्र करते समय एक संभावना है।
   

इसी समय, ऊपर वर्णित पार्सिंग एल्गोरिथ्म लगभग नहीं बदलता है, मुख्य अंतर स्ट्रिंग को टोकन में तोड़ने में है।

लेकिन चलो टोकन में अक्षरों के उपयोग पर कुछ आंकड़े एकत्र करके शुरू करते हैं। रूसी भाषा के 33 अक्षरों में से, केवल 20 का उपयोग गैर-नकारात्मक पूर्णांक लिखते समय किया जाता है, चलो उन्हें अच्छे अक्षर कहते हैं:

शेष 13, क्रमशः, बुरे अक्षर कहलाएंगे । टोकन का अधिकतम आकार 12 वर्ण (13 जब चतुष्कोण की गणना करता है) है। इस मान से लंबे समय तक उप-विभाजन को विभाजित किया जाना चाहिए।

तार और टोकन की तुलना करने के लिए, मैंने वैगनर-फिशर एल्गोरिथ्म का उपयोग करने का फैसला किया, हालांकि मैंने इसे कोड में लेवेन्सटेइन का नाम दिया। मुझे एक संपादकीय निर्देश की आवश्यकता नहीं है, इसलिए मैंने एल्गोरिथ्म के एक मेमोरी-फ्रेंडली संस्करण को लागू किया। मुझे यह स्वीकार करना चाहिए कि इस एल्गोरिथ्म का कार्यान्वयन पार्सर की तुलना में अधिक कठिन कार्य है।

एक छोटा शैक्षिक कार्यक्रम: लेवेंसहाइट दूरी वैगनर-फिशर एल्गोरिदम का एक विशेष मामला है, जब पात्रों को डालने, हटाने और बदलने की लागत स्थिर है। हमारे कार्य में ऐसा नहीं है। जाहिर है, अगर हम एक विकल्प में एक बुरा पत्र पाते हैं, तो इसे एक अच्छे पत्र के साथ बदलने की आवश्यकता है, लेकिन एक बुरे के साथ एक अच्छे की जगह बेहद अवांछनीय है। सामान्यतया, यह असंभव है, लेकिन स्थिति विशिष्ट कार्य पर निर्भर करती है।

वर्णों को सम्मिलित करने, हटाने और प्रतिस्थापित करने की लागत का वर्णन करने के लिए, मैंने एक तालिका इस तरह बनाई: भार वाली तालिका का लिंक । हालांकि यह तीन P विधि (लिंग, उंगली, छत) से भरा है, लेकिन यदि आप इसे OCR आँकड़ों के आधार पर डेटा से भरते हैं, तो आप संख्या पहचान की गुणवत्ता में काफी सुधार कर सकते हैं। लाइब्रेरी कोड में NumeralLevenshteinData.txt संसाधन फ़ाइल होती है, जिसमें आप Ctrl + A, Ctrl + C और Ctrl + V का उपयोग करके एक समान तालिका से डेटा सम्मिलित कर सकते हैं।

यदि पाठ में एक गैर-तालिका वर्ण पाया जाता है, उदाहरण के लिए, शून्य, तो इसे सम्मिलित करने की लागत तालिका से अधिकतम मूल्य के बराबर है, और हटाने और बदलने की लागत न्यूनतम के बराबर है, इसलिए एल्गोरिथ्म पत्र "ओ" के साथ शून्य को प्रतिस्थापित करने की अधिक संभावना है, और यदि आप तृतीयक संस्करण का उपयोग करते हैं। , तब यह तालिका में शून्य को जोड़ने और "ओ" अक्षर के साथ इसे बदलने के लिए न्यूनतम मूल्य लिखने के लिए समझ में आता है।

तो, हमने वैगनर-फिशर एल्गोरिदम के लिए डेटा तैयार किया, चलो स्ट्रिंग को टोकन में तोड़ने के लिए एल्गोरिथ्म में बदलाव करें। ऐसा करने के लिए, हम प्रत्येक टोकन के अतिरिक्त विश्लेषण से गुजरेंगे, लेकिन इससे पहले हम निम्नलिखित विशेषताओं के साथ टोकन के बारे में जानकारी का विस्तार करेंगे:

• त्रुटि स्तर । 0 से वास्तविक संख्या (कोई त्रुटि नहीं) से 1 (टोकन गलत है), जिसका अर्थ है कि नमूने के साथ टोकन की तुलना कितनी अच्छी थी।
  
• टोकन का उपयोग करने का संकेत । जब चौराहे के मलबे के साथ एक स्ट्रिंग पार्स करते हैं, तो टोकन का हिस्सा छोड़ दिया जाएगा, इस विशेषता के लिए सेट नहीं किया जाएगा। इस स्थिति में, कुल त्रुटि मान को उपयोग किए गए टोकन की त्रुटियों के अंकगणितीय औसत के रूप में माना जाएगा।
  

टोकन विश्लेषण एल्गोरिथम:

1. हम तालिका में टोकन खोजने की कोशिश कर रहे हैं। अगर हम पाते हैं - सब ठीक है, इसे वापस करें।
2. यदि नहीं, तो संभावित विकल्पों की सूची बनाएं:

3. हम वैगनर-फिशर एल्गोरिदम का उपयोग करके नमूने के साथ टोकन का मिलान करने की कोशिश कर रहे हैं। इस विकल्प में एक टोकन (मैप्ड नमूना) होता है और इसकी त्रुटि नमूने की लंबाई से विभाजित सबसे अच्छी दूरी के बराबर होती है।

   
   उदाहरण: "शून्य" टोकन की तुलना "शून्य" नमूने के साथ की जाती है, जबकि दूरी 0.5 है, क्योंकि बुरे अक्षर “y” को अच्छे “o” से बदलने की लागत 0.5 है। इस टोकन के लिए कुल त्रुटि 0.5 / 4 = 0.125 होगी।
   

4. यदि सबस्ट्रिंग काफी बड़ा है (मेरे पास 6 वर्ण हैं), तो हम इसे प्रत्येक में कम से कम 3 वर्णों के दो भागों में विभाजित करने का प्रयास करते हैं। 6 वर्णों की एक स्ट्रिंग के लिए एक एकल विभाजन होगा: 3 + 3 वर्ण। 7 अक्षरों की एक स्ट्रिंग के लिए - पहले से ही दो विकल्प हैं, 3 + 4 और 4 + 3, आदि। प्रत्येक विकल्प के लिए, हम उसी टोकन विश्लेषण फ़ंक्शन को पुनरावर्ती कहते हैं, हम प्राप्त विकल्पों को सूची में दर्ज करते हैं।

   
   

   पुनरावृत्ति में न मरने के लिए, हम विफलता के अधिकतम स्तर का निर्धारण करते हैं। इसके अलावा, विभाजन के परिणामस्वरूप प्राप्त विकल्प एक निश्चित राशि (विकल्प 0.1 डिफ़ॉल्ट रूप से) द्वारा कृत्रिम रूप से नीचा दिखाया जाता है, ताकि प्रत्यक्ष तुलना विकल्प अधिक मूल्यवान हो। मुझे यह ऑपरेशन जोड़ना पड़ा, क्योंकि "डबल" प्रकार के विकल्प सफलतापूर्वक टोकन "दो" और "पांच" में विभाजित किए गए थे, और "बीस" तक कम नहीं थे। काश, ये रूसी भाषा की विशेषताएं हैं।

   
   

   उदाहरण: "डबल" टोकन में "बीस" नमूना, त्रुटि 0.25 के साथ प्रत्यक्ष तुलना है। इसके अलावा, विभाजित करने का सबसे अच्छा विकल्प 0.25 की लागत के साथ "दो" + "पांच" है ("i" के साथ "ए" की जगह), कृत्रिम रूप से 0.35 तक खराब हो गया है, जिसके परिणामस्वरूप टोकन "बीस" को प्राथमिकता दी जाती है।

   
   
5. सभी विकल्पों को संकलित करने के बाद, हम इसमें भाग लेने वाले टोकन की त्रुटियों की न्यूनतम राशि से सर्वश्रेष्ठ का चयन करते हैं। परिणाम वापस आ जाता है।

इसके अलावा, टोकन सत्यापन को मुख्य संख्या पीढ़ी एल्गोरिथम में पेश किया जाता है ताकि उनकी त्रुटि एक निश्चित मूल्य (विकल्प, डिफ़ॉल्ट 0.67) से अधिक न हो। इसके साथ, हम संभावित कचरा बाहर निकालते हैं, हालांकि बहुत सफलतापूर्वक नहीं।

एल्गोरिथ्म संक्षेप में उन लोगों के लिए जो ऊपर पाठ को पढ़ने के लिए बहुत आलसी थे

हम इनपुट स्ट्रिंग को विभाजित करते हैं, जो कि शब्दों में संख्या है, \ _ + नियमितता का उपयोग करते हुए सब्सट्रिंग में, फिर हम नमूना टोकन के साथ प्रत्येक प्रतिस्थापन का मिलान करने की कोशिश करते हैं या इसे सबसे अच्छे परिणामों को चुनते हुए छोटे सब्सट्रेट में विभाजित करते हैं। नतीजतन, हमें टोकन का एक सेट मिलता है जिसके द्वारा हम एक संख्या उत्पन्न करते हैं, और त्रुटि मान को पीढ़ी में उपयोग किए जाने वाले टोकन के बीच त्रुटियों के अंकगणितीय माध्य के रूप में लिया जाता है।

एक विशिष्ट कार्य के लिए एक एल्गोरिथ्म को तेज करना

मेरे कार्य में, संख्याएँ गैर-ऋणात्मक और अपेक्षाकृत कम हैं, इसलिए मैं अनावश्यक टोकन को "मिलियन" और उच्चतर से बाहर कर दूंगा। परीक्षण के लिए, प्रिय पाठकों, इसके विपरीत, मैंने अतिरिक्त शब्दजाल टोकन जोड़े, जिसने "पांच टुकड़े", "दो सौ की घास काटने" और यहां तक ​​कि "तीन स्टोलनिक और सोने के दो टुकड़े" जैसे पार्सिंग स्ट्रिंग्स की अनुमति दी। यह मज़ेदार है, लेकिन इसे एल्गोरिथ्म में भी बदलाव की आवश्यकता नहीं है।

और सुधार

मौजूदा एल्गोरिथ्म में खामियां हैं:

1. केस कंट्रोल। तार "दो हज़ार" और "दो हज़ार" को 2000 के रूप में एक शून्य त्रुटि के साथ पहचाना जाएगा। मेरे कार्य में, केस नियंत्रण की आवश्यकता नहीं है, यह हानिकारक भी है, लेकिन अगर आपको ऐसे फ़ंक्शन की आवश्यकता है, तो यह टोकन में एक अतिरिक्त ध्वज को प्रस्तुत करके हल किया जाता है जो अगले टोकन के मामले के लिए जिम्मेदार है। ।
   
2. ऋणात्मक संख्या। विशेष प्रसंस्करण के साथ एक अतिरिक्त माइनस टोकन पेश किया जाता है। कुछ भी जटिल नहीं है, लेकिन यह मत भूलो कि "वाई" अक्षर खराब है और अंकों में नहीं होता है, आपको इसकी वजन विशेषताओं को बदलने की आवश्यकता होगी या आशा है कि यह ओसीआर प्रक्रिया के दौरान नहीं बदलता है।
   
3. भग्न संख्या। इसे दोहरे प्रकार के साथ लंबे प्रकार की जगह और "दसियों", "सौवें", आदि के टोकनों को पेश करके हल किया जाता है ... अक्षरों के तराजू को संशोधित करने के लिए मत भूलना।
   
4. उपयोगकर्ताओं द्वारा दर्ज किए गए नंबरों की पहचान। क्योंकि पाठ को मैन्युअल रूप से दर्ज करते समय, हम अक्सर सीवीएमोलोव को फिर से संपादित करने से संबंधित गलतियाँ करते हैं, आपको इस ऑपरेशन को वैगनर-फिशर एल्गोरिदम में जोड़ना चाहिए।
   
5. अन्य भाषाओं के लिए समर्थन। हम नए टोकन पेश करते हैं, वजन तालिका का विस्तार करते हैं।
   
6. कचरा संभालना। कुछ दस्तावेज़ों में, डेटा मुद्रित किया जाता है, छवि की गुणवत्ता खराब हो सकती है, कोशिका कॉर्न खाली हो सकती है। इस मामले में, कचरा जिसे किसी तरह से साफ करने की आवश्यकता होती है, वह लाइन में आ जाता है। इस समय मैं जो सबसे अच्छी पेशकश कर सकता हूं, वह ओसीआर से पहले दस्तावेज़ को पूर्व-संसाधित करना है। टेबल लाइनों को हटाने और सेल के मुक्त स्थान के रंग के करीब एक रंग के साथ उन्हें भरने से मुझे बहुत मदद मिली। इसने सभी समस्याओं को हल नहीं किया, लेकिन दस्तावेजों से पाठ की मान्यता की गुणवत्ता में सुधार हुआ जहां दस्तावेज के टूटने या टेढ़े-मेढ़े फोटोग्राफर के कारण तालिका में वक्रता थी। आदर्श रूप से, आपको स्वयं सेल को घुमाना चाहिए और इसे अलग से पहचानना चाहिए, यदि आप, निश्चित रूप से, एक मेज है।
   

तो नीचे की रेखा क्या है?

इस परियोजना में नमूने के लिए नमूने के साथ चल रहे कंसोल एप्लिकेशन का एक उदाहरण है। पार्सर के लिए उदाहरण के साथ। यहाँ परिणामों का एक स्क्रीनशॉट है:

मैं आपसे परिणाम का मूल्यांकन करने के लिए शुल्क लेता हूं, लेकिन मेरे लिए, यह बुरा नहीं है। वास्तविक मान्यता उदाहरणों के लिए त्रुटि 0.25 से अधिक नहीं है, हालांकि मैंने अभी तक उपलब्ध दस्तावेजों के पूरे सेट को नहीं चलाया है, शायद वहां सब कुछ बहुत आसान नहीं होगा।

अंतिम खंड के रूप में, मैं हमेशा सोच रहा था कि यह कितना "डॉफीगा" है। इसके अलावा, कार्यक्रम ने अपने आप को एक पर्याप्त जवाब दिया कि इसे कितना लेना है (मैं उपयोग नहीं करता, लेकिन अभी भी) और यहां तक ​​कि पुराने रूसी शब्द "अंधेरे" का अर्थ भी सटीक रूप से निर्धारित किया गया है। और हां, निष्कर्ष में अभी तक एक और उपाय शामिल नहीं था जिसे शिक्षा ने जोड़ने की अनुमति नहीं दी थी, लेकिन कार्यक्रम का मानना ​​है कि यह एक हजार = के बराबर है)

पुस्तकालय के बारे में कुछ शब्द

प्रारंभ में, मेरी योजनाओं में एक पुस्तकालय का निर्माण शामिल नहीं था, मैंने इसे विशेष रूप से एक हैबर के लिए डिजाइन करने का निर्णय लिया। मैंने कोड को क्रम में रखने की कोशिश की, लेकिन यदि आप इसका उपयोग करते हैं, तो एक कांटा या एक प्रतिलिपि बनाएं, जैसा कि सबसे अधिक संभावना है कि आपको उदाहरण में शामिल शब्दजाल और अन्य टोकन की आवश्यकता नहीं होगी।

लाइब्रेरी स्वयं .NET .NET 2.0 और C # 7.x के तहत लिखी गई है, और एल्गोरिदम को आसानी से अन्य भाषाओं में अनुवादित किया जाता है।

पुस्तकालय के संभावित विस्तार के मामले में, मैं शब्दों में संख्या पार्सर के महत्वपूर्ण घटकों की संरचना को जोड़ दूंगा (उत्पत्ति। CV.NumberUtils नाम स्थान):

• रशियननंबर.एससी - सीधे पार्सर
• रशियननंबर.डाटा.क्स - टोकन के विवरण के साथ फाइल
• RussianNumber.ToString.cs - शब्दों में पाठ कनवर्टर के लिए संख्या
• रशियननंबरपैरऑपरेशन.सीएसएस - पार्सर विकल्प
• NumeralLevenshtein.cs - वैगनर-फिशर एल्गोरिदम का कार्यान्वयन
• NumeralLevenshteinData.txt - संसाधन, अक्षर भार डेटा

का उपयोग करें:

• RussianNumber.ToString (मान) - एक नंबर को टेक्स्ट में बदलें
• RussianNumber.Parse (मान, [विकल्प]) - पाठ को संख्या में बदलें

निष्कर्ष

मुझे वास्तव में आशा है कि लेख पाठ की प्रचुरता के बावजूद आपको उबाऊ नहीं लगा। हाल ही में, मैं कंप्यूटर दृष्टि से संबंधित बहुत सारे विषय लेकर आया हूं, जिनके बारे में कुछ बताना है, इसलिए मैं लेख के इस प्रारूप के बारे में एक राय जानना चाहूंगा। जोड़ने या, इसके विपरीत, हटाने योग्य क्या है? आपके लिए और अधिक दिलचस्प क्या है, पाठकों, एल्गोरिदम स्वयं या कोड के टुकड़े?

क्या आपको लेख पसंद आया? दूसरों की जाँच करें:

• वर्ग जावास्क्रिप्ट जावास्क्रिप्ट क्रमांकन समर्थन
  
• मॉडल-आधारित डेटा के साथ पाठ टेम्पलेट भरना। .NET कार्यान्वयन गतिशील बाइटकोड (आईएल) कार्यों का उपयोग करते हुए