Počet prekladov nie je malý, ale jednotka sa stráca: kontrola by mala byť rozdelená do dvoch úrovní
Tento článok navrhuje hierarchickú stratégiu overovania na riešenie problému spárovania čísel množstiev s jednotkami pri akceptácii prekladu. Prostredníctvom desiatkového modulu štandardnej knižnice Pythonu je demonštrované, ako presne analyzovať a porovnávať hodnoty množstva a vyhnúť sa presnostiam s pohyblivou rádovou čiarkou; definuje tiež hranice zodpovednosti pri automatizovanom overovaní kódu a manuálnej sémantickej kontrole a kombinuje OmniDoc, aby ilustroval praktickú akceptačnú cestu doručovania prekladov dokumentov.
Zdá sa, že čísla v preklade nechýbajú, no jednotky sa možno potichu stratili. Keď je množstvo alebo množstvo v cenovej ponuke, správe a technických informáciách nesprávne, ovplyvní to skutočný obchodný význam, takže čísla je potrebné pred dodaním skontrolovať samostatne.
Tento článok je napísaný pre tých, ktorí sú zodpovední za prijímanie preložených dokumentov, najmä pre tých, ktorí sa často zaoberajú cenovými ponukami, finančnými výkazmi a technickými listami. Článok vysvetlí, prečo sa 1,234.50 v preklade môže stať 1.234,50, ako najskôr deklarovať pravidlá vstupu a potom porovnať hodnoty a aké rozhodnutia je ešte potrebné vykonať manuálne. Po prečítaní si môžete vytvoriť sadu dvojvrstvových kontrol: automatizovaný kód je zodpovedný za formáty a hodnoty a ľudia sú zodpovední za sémantiku a obchodné oblasti.
Príklady v tomto článku používajú syntetické vzorky a kód prešiel vzorovými kontrolami v izolovanom prostredí, čo však nepredstavuje záruku všetkých skutočných súborov alebo efektov produktu. Pred manipuláciou s dôležitými dokumentmi si originály uschovajte.
Počet prekladov nie je malý, ako ho prijať? Záver jednou vetou
Pre numerické overenie musia byť najskôr deklarované vstupné pravidlá a potom je možné porovnávať normalizované hodnoty. Mena a jednotka sa ponechajú ako nezávislé polia.
| vaša situácia | Odporúčané postupy | dôvod |
|---|---|---|
| Rovnaká hodnota, iná mena | Skontrolujte, či sa menová značka nezmenila | by sa štandardne nemali považovať za rovnocenné |
| Formát nie je v súlade s vyhlásením | Skontrolujte miestne nastavenie zdroja alebo proces extrakcie | Všetky interpunkčné znamienka by sa nemali bezpodmienečne odstraňovať |
| Záporné znamienko zmizne | Kombinácia kontroly zdrojového textu a prekladu | Absolútne hodnoty by sa nemali brať automaticky |
| Znížená presnosť | Zaokrúhlite a nahrajte podľa pravidiel | Rozdiely by sa nemali ignorovať |
Najprv deklarujte pravidlá vstupu
1,234.50 a 1.234,50 predstavujú rovnaké alebo rôzne množstvá v zvykoch rôznych regiónov. Bez predchádzajúceho určenia formátu, ktorý sa má použiť, program nedokáže určiť, či sú preložené čísla správne.
Spracováva iba dva explicitné formáty
Tento článok sa týka iba nasledujúcich dvoch formátov:
- Čiarka tisícky, bodka desatinné: Napríklad
1,234.50 - Tisíce bodky, desatinná čiarka: Napríklad
1.234,50
Medzery v tisícoch, zátvorky pre záporné čísla, vedecký zápis a iné spôsoby písania nie sú zahrnuté v rozsahu. Keď sú pravidlá zdroja nejasné, treba sa hádam radšej brániť, než sa pre ne rozhodnúť.
Najprv skontrolujte formát a potom vykonajte desiatkový prevod
Reťazec sa najskôr skontroluje podľa deklarovaného formátu a po jeho odovzdaní sa skonvertuje na desiatkové.
import re
from decimal import Decimal
def amount(text, style):
rules = {
"comma_group": (r"-?(?:[0-9]{1,3}(?:,[0-9]{3})+|[0-9]+)(?:\.[0-9]+)?", ",", "."),
"dot_group": (r"-?(?:[0-9]{1,3}(?:\.[0-9]{3})+|[0-9]+)(?:,[0-9]+)?", ".", ",")
}
if style not in rules:
raise ValueError("unknown number convention")
pattern, grouping, decimal = rules[style]
if re.fullmatch(pattern, text) is None:
raise ValueError("number does not match declared convention")
return Decimal(text.replace(grouping, "").replace(decimal, "."))
assert amount("1,234.50", "comma_group") == amount("1.234,50", "dot_group")
assert amount("-12.50", "comma_group") == Decimal("-12.50")
assert (amount("12.50", "comma_group"), "USD") != (amount("12.50", "comma_group"), "EUR")
for bad in ["12,34.50", "1,234.50 USD", "NaN"]:
try:
amount(bad, "comma_group")
except ValueError:
pass
else:
raise AssertionError("invalid number accepted")
Rovnaké hodnoty nestačia
Tento kód dostane reťazec sumy, ktorý bol umiestnený, a automaticky nenájde sumu zo žiadneho dokumentu. Pri umiestňovaní polí by sa malo zachovať označenie, mena a zdrojové umiestnenie. Rovnaké číslo, ale zmena z kilogramov na libry alebo z celkovej ceny na jednotkovú cenu, nie je správna kontrola.
| Porovnajte výsledky | treba skontrolovať | by sa nemalo robiť automaticky |
|---|---|---|
| Rovnaká hodnota, iná mena | Či bolo označenie meny zmenené | Predvolene považované za ekvivalentné |
| Formát nie je v súlade s vyhlásením | Zdrojová oblasť alebo chyba extrakcie | Bezpodmienečne vymazať všetku interpunkciu |
| Mínus mizne | Zdrojový text a kontext prekladu | Automaticky prijímať absolútne hodnoty |
| Presnosť klesá | Či sa zaokrúhľovanie vykonáva podľa pravidiel | Ignorujte všetky rozdiely |
Desatinné číslo rieši len časť problému
Čo vám desatinné číslo môže pomôcť dosiahnuť
- Vyhnúť sa chybám v niektorých binárnych reprezentáciách s pohyblivou desatinnou čiarkou
- Založené numerické porovnania na jasných normalizovaných výsledkoch
Desatinné to za teba neurobí
- Vyberte pravidlá zaokrúhľovania
- Vysvetlite výšku dane
- Vykonať konverziu výmenných kurzov
Pri konverzii akejkoľvek hodnoty by sa mali v kontrolnom zozname uchovávať hodnoty pred a po konverzii a dôvod.
Čísla v preloženom dokumente si zaslúžia individuálne prijatie
Pri používaní OmniDoc (Produktový portál) na spracovanie cenových ponúk, správ alebo technických dokumentov môže byť akceptácia vykonaná v nasledujúcom poradí:
- Najprv usporiadajte položky kontrolného zoznamu pre sumy a jednotky a vypíšte obchodné polia zodpovedajúce každému číslu.
- Porovnajte položky kontrolného zoznamu s prekladom jednu po druhej, zaznamenávajúc rozdiely vo formáte, mene, mínuse a presnosti.
- Vráťte podozrivú položku do zdrojového textu, aby ste potvrdili, ktoré obchodné pole predstavuje.
Digitálne kontroly sú zodpovedné za identifikáciu podozrivých bodov a konečný rozsudok je stále potrebné vykonať späť k zdrojovému textu.
Zdroje: Python decimal.
📊 Porovnanie jadra
| Formát | Príklad | Spôsob manipulácie |
|---|---|---|
| Čiarky tisíce a bodkované desatinné číslo | 1,234.50 | V rámci rozsahu analyzujte podľa pravidiel deklarácie |
| Bodky v tisíckach a čiarky v desatinných číslach | 1.234,50 | V rámci rozsahu analyzujte podľa pravidiel deklarácie |
| Medzery v tisíckach, zátvorky v záporných číslach, vedecká notácia | Nevzťahuje sa na tento článok | Ak to nie je v rámci rozsahu a pravidlá zdrojov nie sú jasné, hádanie je zakázané |
🎯 Ktorý prístup ti vyhovuje?
Ak pracujete s úvodzovkami alebo výrokmi
Najprv usporiadajte položky kontrolného zoznamu podľa množstva a jednotky, potom overte každú položku voči preloženej verzii.
Ak váš súbor používa iné číselné notácie
Tento článok nepokrýva medzery v tisíckach, záporné čísla v zátvorkách ani vedeckú notáciu. Najprv potvrďte pravidlá zdrojového kódu a nenechajte program hádať.
Ak potrebujete vykonať konverziu výmenných kurzov
Decimal prevod nevykoná za vás; prosím, zaznamenajte hodnoty pred a po konverzii a dôvody v zozname.
❓ Často kladené otázky (FAQ)
1. Prečo priamo neporovnávať sumy pomocou čísel s pohyblivou desatinnou čiarkou?
Použitie desatinného systému môže zabrániť chybám v niektorých binárnych plávajúcich desatinných reprezentáciách, čo ho robí vhodnejším pre číselné porovnania.
2. Ak sú čísla rovnaké, ale meny sa líšia, môžu byť považované za ekvivalentné?
Nemalo by sa to automaticky považovať za ekvivalentné; najprv skontrolujte, či nedošlo k zmene označenia meny.
3. Môžu sa automaticky vziať absolútne hodnoty, keď záporné znamienko zmizne?
Absolútne hodnoty by sa nemali automaticky brať; namiesto toho by sa mal kontrolovať zdrojový a prekladový kontext spoločne.
4. Dokáže kód automaticky nájsť sumu z akéhokoľvek dokumentu?
Nie. Kód dostane prednastavený reťazec sumy; pri vyhľadávaní polí by sa mal zachovať popisok, mena a zdrojové umiestnenie.
📝 Zhrnutie
Kľúčom k digitálnej verifikácii je najprv deklarovať pravidlá formátovania, potom porovnať štandardizované hodnoty a ponechať menu a jednotku ako samostatné polia. Automatizované kontroly sa používajú na identifikáciu podozrivých bodov, ale obchodný význam musí byť stále potvrdený zdrojovým textom.


