单字符分数（如½）检测及转换为结构化信息的技术需求

嘿，这个提取分数并结构化的需求我刚好有成熟的方案，咱们一步步来实现，完全满足你「按字面提取、不化简分数」的要求：

核心思路 #

首先得区分两种需要处理的分数形式，针对性做匹配和转换：

• 单字符分数：比如½、¾这类预编码的Unicode字符，我们需要先建立一个映射表，直接对应到分子和分母；
• 文本型分数：比如3/9、5/2这类用斜杠分隔的数字组合，用正则表达式精准匹配，确保提取到的分子分母完全保留原始值。

另外还要覆盖两种场景：分数和整数组合（比如32 ½）、单独存在的分数（比如⅞或4/6）。

示例代码（Python实现） #

下面是可直接运行的代码，逻辑清晰，注释也写得很明白：

import re

# 单字符分数→分子/分母的映射表，覆盖绝大多数常见分数字符，完全按字面对应
fraction_char_map = {
    '½': (1, 2),
    '¼': (1, 4),
    '¾': (3, 4),
    '⅛': (1, 8),
    '⅜': (3, 8),
    '⅝': (5, 8),
    '⅞': (7, 8),
    '⅓': (1, 3),
    '⅔': (2, 3),
    '⅕': (1, 5),
    '⅖': (2, 5),
    '⅗': (3, 5),
    '⅘': (4, 5),
    '⅙': (1, 6),
    '⅚': (5, 6),
    '⅐': (1, 7),
    '⅑': (1, 9),
    '⅒': (1, 10)
}

def extract_and_structurize(text):
    structured_results = []
    
    # 1. 匹配「整数 + 单字符分数」的情况（比如32 ½）
    char_fraction_with_int = re.compile(r'(\d+)\s*([{}])'.format(''.join(fraction_char_map.keys())))
    for match in char_fraction_with_int.finditer(text):
        integer = match.group(1)
        num, den = fraction_char_map[match.group(2)]
        structured_results.append(f"info: {integer}, numerator = {num}, denominator = {den}")
    
    # 2. 匹配「整数 + 文本型分数」的情况（比如15 3/9）
    text_fraction_with_int = re.compile(r'(\d+)\s*(\d+)/(\d+)')
    for match in text_fraction_with_int.finditer(text):
        integer = match.group(1)
        num = match.group(2)
        den = match.group(3)
        structured_results.append(f"info: {integer}, numerator = {num}, denominator = {den}")
    
    # 3. 匹配单独的单字符分数（比如⅞）
    standalone_char_fraction = re.compile(r'\b([{}])\b'.format(''.join(fraction_char_map.keys())))
    for match in standalone_char_fraction.finditer(text):
        num, den = fraction_char_map[match.group(1)]
        structured_results.append(f"info: None, numerator = {num}, denominator = {den}")
    
    # 4. 匹配单独的文本型分数（比如4/6）
    standalone_text_fraction = re.compile(r'\b(\d+)/(\d+)\b')
    for match in standalone_text_fraction.finditer(text):
        num = match.group(1)
        den = match.group(2)
        structured_results.append(f"info: None, numerator = {num}, denominator = {den}")
    
    return structured_results

# 测试用例
test_text = "32 ½ is not very hot, but 15 3/9 is cooler, and ⅞ is just right"
for result in extract_and_structurize(test_text):
    print(result)

关键细节说明 #

• 正则里的\b是单词边界，用来避免误匹配比如123/456abc这种非独立分数的情况；如果你的文本里分数和其他字符连在一起，可以调整边界规则；
• 映射表完全按字面对应，比如⅑直接映射为(1,9)，不会做任何约分处理；
• 代码覆盖了所有可能的分数出现场景，你可以根据自己的文本特点，增减映射表中的字符或者调整正则规则。

内容的提问来源于stack exchange，提问作者Ed Z