寻求美元文本转数字的最优方案或预构建Web服务

我完全懂你的需求——把Speech2Text输出的自然语言货币描述（比如"three hundred dollars and twelve cents"）转换成规整的标准格式（比如$300.12），而且想要找靠谱的开源工具对吧？我之前帮不少开发者解决过类似的问题，这里给你几个实用的思路和实现方案：

1. 轻量Python实现：用基础库快速搭建 #

如果你只需要处理常见的货币表述（比如美元的整数+美分结构），可以用word2number这个库来完成数字单词到数值的转换，再配合简单的字符串处理提取货币单位。

先安装依赖：

pip install word2number

然后可以写一个简单的解析函数：

from word2number import w2n

def parse_currency(text):
    text = text.lower().strip()
    # 拆分美元和美分部分，处理有无"and"的情况
    if 'and' in text:
        dollar_segment, cent_segment = text.split('and', 1)
    else:
        dollar_segment = text
        cent_segment = 'zero cents'
    
    # 提取数字部分并转换，兼容单复数单位
    dollar_amount = w2n.word_to_num(dollar_segment.replace('dollars', '').replace('dollar', '').strip())
    cent_amount = w2n.word_to_num(cent_segment.replace('cents', '').replace('cent', '').strip())
    
    # 格式化输出，确保美分是两位数字
    return f"${dollar_amount}.{cent_amount:02d}"

# 测试示例
print(parse_currency("three hundred dollars and twelve cents"))  # 输出 $300.12
print(parse_currency("one dollar and five cents"))  # 输出 $1.05
print(parse_currency("fifty dollars"))  # 输出 $50.00

这个方案的优势是轻量、易修改，你可以很方便地扩展支持欧元、英镑等其他货币，只需要添加对应的单位替换逻辑就行。

2. 复杂场景：用NLP工具处理多样化表述 #

如果你的语音文本里有更复杂的表达（比如"two thousand five hundred seventy-five dollars and thirty-five cents"），或者需要识别更多口语化表述，推荐用spaCy配合自定义规则来做。

你可以用spaCy的Matcher来定位文本中的数字单词和货币单位组合，再结合word2number完成数值转换。甚至可以训练一个小型的自定义NER（命名实体识别）模型，专门识别货币类实体，这样能更精准地处理模糊或复杂的表述。

3. 专门的开源货币解析库 #

还有一个叫money-parser的Python库，专门针对自然语言中的货币表述做解析，支持多种货币类型，能直接把自然语言转换成带符号的标准格式。它对常见的口语化表述兼容性不错，你可以试试：

安装命令：

pip install money-parser

简单使用示例：

from money_parser import price_str

result = price_str("three hundred dollars and twelve cents")
print(f"${result}")  # 输出 $300.12

不过建议先测试它对你的Speech2Text输出的适配性，毕竟语音转写可能会有一些口语化的变体，需要微调的话可以结合自定义规则补充。

另外，如果需要处理俚语（比如"twenty bucks"指代20美元），可以提前加一个映射字典，把俚语转换成标准的货币单位表述后再进行解析。

内容的提问来源于stack exchange，提问作者kashkar