C# 自然语言处理

最近在进行语音项目，涉及到了时间提取，城市提取等，之前也学过python，对于实体识别这方面也有涉及，于是把python代码方面转化为c#代码，方便自己理解。

时间提取

时间提取是比较复杂的一项提取，因为涉及到了中文日期转数字，年份转数字，时间格式化为字符串，检查时间合法性等等。

（1）中文日期转数字

起初我的想法是，不是只有把传进来的中文直接转为数字即可吗，例如十–>10，但仔细想了一下，发现不对，因为当转化到十位数，百位数，千位数的时候，直接转化是错误的，例如一千二百–>1/1000/2/100
,完全脱离了我们提取的数字。因此不能直接转化。
首先了解一下，我们传入的字符串的正则表达式：
([0-9零一二两三四五六七八九十]+年)?([0-9一二两三四五六七八九十]+月)?([0-9一二两三四五六七八九十]+[号日])?([上中下午晚早]+)?([0-9零一二两三四五六七八九十百]+[点:\.时])?([0-9零一二两三四五六七八九十百]+分?)?([0-9零一二三四五六七八九十百]+秒)?
可以看到，匹配格式为xxxx年xx月xx日xx日这种，因此处理时要注意这些。

接下来开始处理：

定义普通中文数字和十百千万的字典。

private readonly static Dictionary<char, int> UTIL_CN_UNIT = new Dictionary<char, int>
        {
   
            {
    '十', 10 }, {
   '百', 100 }, {
   '千', 1000 }, {
   '万', 10000 }
        };
private readonly static Dictionary<char, int> UTIL_CN_NUM = new Dictionary<char, int>
        {
   
            {
    '零', 0 },{
    '一', 1 }, {
   '二', 2 },{
    '两', 2 }, {
   '三', 3 },
            {
    '四', 4 },{
    '五', 5 }, {
    '六', 6 },{
    '七', 7 }, {
   '八', 8 },
            {
    '九', 9 },{
    '0', 0 }, {
   '1', 1 }, {
   '2', 2 }, {
   '3', 3 }, {
   '4', 4 },
            {
    '5', 5 }, {
   '6', 6 },{
    '7', 7 }, {
   '8', 8 }, {
   '9', 9 }
        };

c#的Regex类是处理正则表达式的。

public static int Cn2Dig(string src)
        {
   
            if (src == "") return -1;
            Match m = Regex.Match(src, @"\d+");
            if (m != Match.Empty)
            {
   
                return Convert.ToInt32(m.Groups[0].Value);
            }
            int rsl = 0;
            int unit = 1;

            for (int i = src.Length - 2; i >= 0; i--)//减二是因为最后一个为号，日，时分这种
            {
   
                if (UTIL_CN_UNIT.ContainsKey(src[i]))//十百千这种数字
                {
   
                    unit = UTIL_CN_UNIT[src[i]];

                }
                else if (UTIL_CN_NUM.ContainsKey(src[i]))//0~9这种数字
                {
   
                    int num = UTIL_CN_NUM[src[i]];
                    rsl += num * unit;
                }
                else
                {
   
                    return -1;
                }
            }
            if (rsl