regex - 解析配方的自然语言成分数量

Closed. This question needs to be more focused。它当前不接受答案。












想要改善这个问题吗？更新问题，使它仅关注editing this post的一个问题。

去年关闭。



Improve this question




我正在构建一个 ruby 配方管理应用程序，作为其中的一部分，我希望能够将配料数量解析为可以比较和缩放的形式。我想知道什么是最好的工具来做到这一点。

我最初计划使用复杂的正则表达式，然后使用其他一些将人类可读的数字(例如two或five)转换为整数的代码，最后使用将1 cup和3 teaspoons转换为某种基本度量的代码。我控制输入，因此我将实际成分分开。但是，我注意到用户输入的抽象度量是to taste和1 package。至少对于抽象度量，我认为我可以忽略它们并进行缩放，并在其前面刮取任何数字。

这里还有更多的例子

1 tall can
1/4 cup
2 Leaves
1 packet
To Taste
One
Two slices
3-4 fillets
Half-bunch
2 to 3 pinches (optional)

有什么窍门吗？我注意到用户似乎对构成数量有些困惑。我可以尝试执行更严格的规则，并将tall can和leaves之类的内容推送到组成部分。但是，为了执行该操作，我需要能够传达无效的内容。

我也不确定应该将数量转换为什么“基本”度量。

这些是我的目标。

为了能够扩展配方。 任意度量单位，例如packages不必缩放，但可以精确缩放，例如cups或ounces必须是。

找出“主要”成分。 在这个问题的上下文中，这将主要通过弄清楚配方中最大的成分来完成。在生产中，必须根据成分的类型进行某种修饰，因为显然flour几乎从未被视为“主要”成分。但是，chocolate可以少量使用，仍然可以说是chocolate cake。

标准化输入。 为了保持网站上的一致性，我想保持一致的缩写。例如，应该使用pounds而不是lbs。

最佳答案

您提出两个问题，识别/提取数量表达式(语法)和弄清楚它们表示什么数量(语义)。

在弄清楚正则表达式是否足以让识别数量之前，您应该使自己成为外观的良好架构(语法)。您的示例如下所示:

<amount> <unit> [of <ingredient>]

<amount>可以采用多种形式:

whole or decimal number, in digits (250, 0.75)
common fraction (3/4)
numeral in words (half, one, ten, twenty-five, three quarters)
determiner instead of a numeral ("an onion")
subjective (some, a few, several)

数量也可以表示为两个简单<amount>的范围:

two to three
2 to 3
2-3
five to 10

然后，您将拥有单位本身:

general-purpose measurements (lb, oz, kg, g; pounds, ounces, etc.)
cooking units (Tb, tsp)
informal units (a pinch, a dash)
container sizes (package, bunch, large can)
no unit at all, for countable ingredients (as in "three lemons")

最后，有一种特殊情况下的表达式永远不能与数量或单位组合，因此它们可以有效地将两者组合使用:

a little
to taste

我建议您使用这个小型解析器来解决这个问题，您可以根据需要对其进行详细或粗糙的描述。如果这是您选择的工具，那么为所有这些编写正则表达式应该并不难，但正如您所看到的，这不仅仅是文本替换的问题。拉出各部分，并将每种成分表示为三重(amount, unit, ingredient)。 (对于可数，使用特殊单位“件”或其他；对于“少量”等，我将它们视为特殊单位)。

剩下的问题是转换或比较数量。单位转换已经在很多地方完成，因此至少对于官方单位而言，获取转换表应该没有问题。例如，如果您输入“将4oz转换为克”，Google就会这样做。请注意，根据国家/地区，汤匙为either three or four tsp。

对于定义明确的单位，您可以很容易地将其标准化为您喜欢的单位，但非正式单位则有些棘手。对于“捏”，“破折号”等，我建议您找出大概的重量，以便可以正确缩放(十个捏= 2克，或其他)。除非您可以查找特定产品的尺寸，否则 jar 之类的东西是没有希望的。

另一方面，主观的量是最简单的:如果您将“品尝”的比例放大十倍，那么它仍然是“品尝”的!

最后一个想法:要识别主要成分，还需要某种成分数据库，因为大小很重要:“一个鸡蛋”可能不是主要成分，但是“一个小山羊，切成小块”可能就足够了。我会考虑将其用于版本2。

关于regex - 解析配方的自然语言成分数量，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/12413705/