PDD/pdd1/a_pdd_test.py

import re

def extract_quantity_and_unit(text: str):
    """
    从药品选择文本中提取数量与单位。
    优先级：
    1. 选几发几 → (1, '盒')
    2. 显式数字/中文数字 + 单位（如 10盒, 三粒）
    3. 特殊模式 *数字.../盒 或 *数字.../瓶（如 0.5g*15袋/盒）→ (1, 盒/瓶)  # 仅当没有显式数量时
    4. 数字ml/单位（如 100ml/盒）→ (1, 单位)
    5. 单独数字ml（如 120ml）→ (1, '瓶')
    """
    unit_pattern = '瓶|盒|支|只|个|袋|包|粒|片|贴|罐|桶|条|板|枚|颗|管|套|丸|锭|听'

    def chinese_to_int(s: str):
        if s.isdigit():
            return int(s)
        chinese_map = {'一':1,'二':2,'三':3,'四':4,'五':5,
                       '六':6,'七':7,'八':8,'九':9,'十':10,
                       '百':100,'千':1000,'万':10000}
        if len(s) == 1:
            return chinese_map.get(s, 0)
        if len(s) == 2 and s[0] in chinese_map and s[1] == '十':
            return chinese_map[s[0]] * 10
        if s == '十':
            return 10
        return 1

    # 1. 选几发几
    if re.search(r'选\d+发\d+|选[一二三四五六七八九十]+发[一二三四五六七八九十]+', text):
        return (1, '盒')

    # 2. 显式数字/中文数字 + 单位（优先级最高）
    explicit_match = re.search(
        r'([一二三四五六七八九十百千万]+|\d+)\s*/?\s*(' + unit_pattern + r')',
        text
    )
    if explicit_match:
        num_str, unit = explicit_match.groups()
        quantity = chinese_to_int(num_str)
        return (quantity, unit)

    # 3. 特殊模式：*数字.../盒 或 *数字.../瓶（无显式数量时使用）
    special_match = re.search(r'\*\s*\d+\s*.*?/(盒|瓶)(?:装)?', text, re.IGNORECASE)
    if special_match:
        unit = special_match.group(1)
        return (1, unit)

    # 4. 数字ml/单位
    implicit_match = re.search(r'[\d\.]+\s*ml\s*/\s*(' + unit_pattern + r')', text, re.I)
    if implicit_match:
        unit = implicit_match.group(1)
        return (1, unit)

    # 5. 单独数字ml → 1瓶
    if re.search(r'[\d\.]+\s*ml', text, re.I):
        return (1, '瓶')

    return (None, None)

test_cases = [
    "0.5g*15袋/盒",          # 无显式数量 → 1盒
    "0.33g*24/粒/盒",        # → 1盒
    "0.5g*100/片/瓶",        # → 1瓶
    "10mg*20/粒/瓶",         # → 1瓶
    "已选： 2盒",            # → 2盒
    "已选择： 25ml/瓶",      # → 1瓶
    "0.5g*15袋/盒装",        # → 1盒
    "0.5g*15袋",             # 无/盒/瓶 → 15袋
    "0.5g*15袋/盒 10盒",     # 有显式10盒 → 10盒 ✅
    "10盒 0.5g*15袋/盒",     # → 10盒
    "一支",                  # → 1支
    "两粒",                  # → 2粒
]

for ex in test_cases:
    q, u = extract_quantity_and_unit(ex)
    print(f"{ex:30s} -> {q}{u if u else ''}")