将整数数字转换成中文

准备工作

基本的方法很简单，从高位到低位依次把每个数字映射成对应的汉字，再把位数对应的汉字加上就可以了。如果是负数，则在前面加一个“负”即可。

先把用中文读一个数字所需要的汉字都找出来，它们是“负零一二三四五六七八九十百千万亿兆”等。注意这里的“兆”表示 10 的 12 次方，而不是计算机领域的 10 的 6 次方。在开始之前，先要把这些汉字分分类，比如一二三四之间的差异跟十百千就不一样，跟万亿兆也不一样。

最特殊的字是“负”，用一个单独的常量保存它。

然后是“零”。在计数体系中，“零”跟其他数字可是有着本质区别的，在中文表达的时候，这种特殊性也非常明显，所以也单独分配一个常量。

数字“一二三四五六七八九”是十进制数字中，除零之外的基本字符，对应了除“0”之外的全部九个阿拉伯数字符号。用一个常量数组保存。它们的特点是构成了一个差值为 1 的等差数列。

“十百千”是每个万组内的数位标识，是一个比值为 10 的等比数列。在这里大家可以看出为什么不把“十”跟上一组汉字放在一起。

最后是“万亿兆”，是比值为 10^4 的等比数列。实际上后面还可以继续写下去（参见 个十百千万亿兆后面是什么），比如 10^16 用“京”表示，再往后依次是“垓”、“杼”、“穰”、“溝”、“澗”、“正”、“載”、“極”（10^48）。如果还要写下去，还有“恆河沙”、“阿僧祇”、“那由他”、“不可思議”、“無量”、“大數”（10^72）。这种计数体系称为中法，是万进系统，以万递进。当然扯远了，程序中我们只用到“兆”，如果想要支持后面的字，只要修改常量就可以，对程序逻辑没有影响（除非要修改计数体系）。

又啰嗦了。看一下这部分的代码（Python 2.7.x）。

1
2
3
4
5
6
7

# -*- coding: utf-8 -*-

CHINESE_NEGATIVE = '负'
CHINESE_ZERO = '零'
CHINESE_DIGITS = ['', '一', '二', '三', '四', '五', '六', '七', '八', '九']
CHINESE_UNITS = ['', '十', '百', '千']
CHINESE_GROUP_UNITS = ['', '万', '亿', '兆']

初始版本

常量定义好之后，就先写个最简单的处理方法。负数和零就不多说了，只看正数的情况。

比如数字是 12345，输出应该是“一万二千三百四十五”，在这种最普通的情况下，操作方法就是把每个数字对应的汉字和该数位所对应的汉字拼在一起，然后每个万组还要加上该万组的单位（即“万亿兆”）。

因此首先需要从高位到低位枚举每一位数字，要同时知道数字和对应的数位（比如个位是 0，十亿位是 9，等等）。下面这段简单的程序是从低位开始枚举，使用的时候只要反转（reverse）一下就可以了。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

def _enumerate_digits(number):
"""
:type number: int|long
:rtype: collections.Iterable[int, int]
"""
position = 0
while number > 0:
    digit = number % 10
    number //= 10
    yield position, digit
    position += 1

然后来写第一个版本的目标函数，translate_number_to_chinese。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

def translate_number_to_chinese(number):
"""
:type number: int|long
:rtype: string
"""
if not isinstance(number, int) and not isinstance(number, long):
    raise ValueError('number must be integer')

if number == 0:
    return CHINESE_ZERO

words = []

if number < 0:
    words.append(CHINESE_NEGATIVE)
    number = -number

# Begin core loop.
# Version 0.1
for position, digit in reversed(list(_enumerate_digits(number))):
    unit = position % len(CHINESE_UNITS)
    group = position // len(CHINESE_UNITS)

    if digit != 0:
        words.append(CHINESE_DIGITS[digit])
        words.append(CHINESE_UNITS[unit])

    if unit == 0:
        words.append(CHINESE_GROUP_UNITS[group])

# End core loop.

return ''.join(words)

啊，由于工作原因，代码风格有所调整。以前在 Python 里函数名采用驼峰方式，首字母大写。现在改用小写加下划线了。

单元测试

显然上面的代码是有问题的，比如如果数字中有 0，有些结果就不太对。对于 11 到 19 的处理也有问题。因此需要做单元测试，多准备各种情况的测试用例尽可能覆盖更多的特殊情况。

这里不详细说怎么创建和编写单元测试，只说一下数据驱动的测试（Data Driven Test）。

一般在 Python 里写单元测试，比如想测试一下输入 10 时，程序输出是否正确。那就添加一个测试方法（test method），调用函数得到实际的输出值（现在应该是“一十”），跟期望的输出（应该是“十”）作比较。

这样做的缺点是，如果想增加一个用例，就要添加一段代码，而新添加的代码整个逻辑是一样的，只是其中的输入和期望输出变了，代码重复度太高，而且也太麻烦了。

对于这种情况会比较多的测试，一般会把各种需要测试的输入和期望输出写在一个数据文件里。于是可以在测试方法中读入文件中的每一组数据，用 for 循环依次进行测试。如果所有的测试用例都能成功也就没什么问题，但如果有些用例会失败，一旦某个用例失败，测试方法就会停止，后面的数据就不会再被测到。这样每次都只能看到第一个出现的错误，无法得到完整的测试结果。在改 bug 的时候，也很容易出现按住葫芦浮起瓢的事情。

以前用 C# 的时候，做数据驱动的测试非常方便，只要给测试方法添加 DataSource Attribute 就可以了。在 Python 里没有发现直接的方法，不过可以自己写一个简单的函数来处理，原理就是用数据文件中的每一个测试用例给测试类动态添加一个测试方法。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

# -*- coding: utf-8 -*-
from unittest import TestCase
from foo import translate_number_to_chinese


class TestTranslateNumberToChinese(TestCase):
    pass


def create_number_test_function(number, expected):
    def _test_method(self):
        actual = translate_number_to_chinese(number)
        print actual, expected
        self.assertEqual(actual, expected)

    return _test_method


def add_tests():
    number_data_path = 'number_data.txt'
    with open(number_data_path) as data_file:
        for line in data_file:
            line = line.rstrip('\r\n')
            number_text, expected = line.split('\t')
            number = int(number_text)
            setattr(TestTranslateNumberToChinese, 'test_number_{}'.format(number),
                    create_number_test_function(number, expected))

add_tests()

上面的示意中，假设测试用例保存在一个叫做“number_data.txt” 的 TSV 文件中。每行用 TAB 分割为两列，分别是阿拉伯数字和期望的中文读法。

“add_tests”方法对每一个测试用例，调用“create_number_test_function”创建一个测试方法，添加到测试类“TestTranslateNumberToChinese”中。

假设这段测试代码所在的文件叫做“test_translate_number_to_chinese.py”，那么在命令行运行如下命令就可以把所有的测试用例都测一遍。

1

python -m unittest test_translate_number_to_chinese

大刀阔斧进行修改

准备好测试方法和足够的测试用例后，就可以放心地对代码进行修改了。每次修改一点儿，都可以跑一下单元测试，看看又成功或者失败了几个用例，总结出规律，继续改进。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

# Begin core loop.
# Version 0.2
group_is_zero = True
need_zero = False
for position, digit in reversed(list(_enumerate_digits(number))):
    unit = position % len(CHINESE_UNITS)
    group = position // len(CHINESE_UNITS)

    if digit != 0:
        if need_zero:
            words.append(CHINESE_ZERO)

        words.append(CHINESE_DIGITS[digit])
        words.append(CHINESE_UNITS[unit])

    group_is_zero = group_is_zero and digit == 0

    if unit == 0:
        words.append(CHINESE_GROUP_UNITS[group])

    need_zero = (digit == 0 and (unit != 0 or group_is_zero))

    if unit == 0:
        group_is_zero = True

# End core loop.

1

if digit != 1 or unit != 1 or not group_is_zero or (group == 0 and need_zero):

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

# Begin core loop.
# Version 0.4
group_is_zero = True
need_zero = False
for position, digit in reversed(list(_enumerate_digits(number))):
    unit = position % len(CHINESE_UNITS)
    group = position // len(CHINESE_UNITS)

    if digit != 0:
        if need_zero:
            words.append(CHINESE_ZERO)

        if digit != 1 or unit != 1 or not group_is_zero or (group == 0 and need_zero):
            words.append(CHINESE_DIGITS[digit])

        words.append(CHINESE_UNITS[unit])

    group_is_zero = group_is_zero and digit == 0

    if unit == 0 and not group_is_zero:
        words.append(CHINESE_GROUP_UNITS[group])

    need_zero = (digit == 0 and (unit != 0 or group_is_zero))

    if unit == 0:
        group_is_zero = True

# End core loop.

试试看

代码介绍完了，下面放一个用 JavaScript 实现的版本，可以随便输入一些数字试试看。源代码参见 http://jsfiddle.net/calfzhou/tGEz7/。