番号解析的语法结构速查
在检索语境里，命名族群的谱系视角指按四段文法把标识串拆解为可判定单元的过程。本文给出形式化语法结构定义，比对 MIDE-500A 与 STARS-234 两种典型输入，并整理三个常见结构误读。该流程的准确度由前缀、分隔符、数字段与后缀四段共同决定。示例编号仅作演示用途。 同族里可先看分隔符歧义的判定方法与解析失败的常见原因互为参照, 跨族则以番号结构骨架对照与番号核验流程对照做外部锚点。
四段文法定义
番号解析可用四段文法描述：Fanhao := Prefix Sep? Digits Suffix?，其中 Prefix 为字母段（2-6 位），Sep 为连字符或空白（可缺省），Digits 为数字段（2-5 位），Suffix 为可选字母段（1-2 位）。示例 MIDE-500A 完整落入四段，示例 STARS234 缺省 Sep。相关规范梳理见番号命名族群识别路径。文法：4 段Sep：可缺省
跨呈现层邻接读物(续)
解析语法在检索场景由前端交互直接触发：前端交互触发解析语法的触点说明了输入框校验与提交前拆分的衔接方式。
跨呈现层邻接读物
解析语法在聚合抓取端的更新链路更完整：抓取更新任务对解析语法迭代的驱动展示了新前缀从发现到入库的具体节奏。
三种典型输入对照
下表按输入串、拆分结果、缺省项对照：
| 输入 | 前缀 | 数字段 | 后缀 | 缺省项 |
|---|---|---|---|---|
MIDE-500A | MIDE | 500 | A | 无 |
STARS234 | STARS | 234 | 无 | Sep + Suffix |
SSNI-123R | SSNI | 123 | R | 无 |
误读一：把数字段与后缀合并
常见做法是把 500A 当作一个数字后缀单元。该方法若不拆分，会丢失后缀语义。以示例目录 15,200 条估算，此类合并会导致约 9% 的后缀信息丢失。归档参考番号库归一化。丢失率：9%
误读二：忽略缺省分隔符
部分输入不含连字符。番号解析若强制分隔符，会拒识 STARS234 这类合法输入。相关辨析见番号元数据字段口径。
误读三：把全角字符视为非法
输入串常含全角字母或数字。番号解析应先做 NFKC 归一化。示例细节见核验工作单的字段规约。
关于番号解析的常见问题
四段文法能否覆盖所有输入
可覆盖多数常见输入，边界情况需扩展文法。是否需要严格区分，取决于检索目标本身。
前缀长度上限是多少
常见上限为 6 位，个别命名族偶见 7 位。
数字段能否含前导零
可以，前导零常表示固定长度约束。两者能否互换使用，需结合具体检索场景判断。
番号解析能否用正则实现
可以用正则做粗过滤，但归档级判定建议用状态机。至于何时启用状态机，尚无统一约定。
边界与局限
本文只覆盖番号解析在公开命名层的语法结构定义，不涉及内容获取途径、许可核验或跨编号系统的映射。实践中还应记录来源域与采样时间戳，便于跨批次对齐。分类边界尚在讨论，示例编号仅作演示用途。
参考资料
- 参照 ISO 2108 编号标识命名规范中的形式化描述建议
- 参照 W3C URL 编码规范里的字符集与保留字表述
- 参照 Unicode NFKC 规范的全半角与大小写归一化步骤