番号解析中的特殊字符与分隔符处理

在检索语境里，命名族群的谱系视角常遇到连字符、空白、下划线等多种分隔符。本文给出四类分隔符归一化方案，比对 MIDE-500、MIDE　500、MIDE_500 三种典型输入，并整理三个边界误处理。番号解析的分隔符处理直接决定入库的一致性。示例编号仅作演示用途。同族里可先看解析分隔符解析切解析失败与解析分隔符解析切数字段解析互为参照, 跨族则以番号结构与字段规则与番号核验流程与工作单做外部锚点。

本站聚焦公开命名与检索方法的整理，不涉及资源查找、绕过限制或分发路径；示例目录与统计取自模拟数据。

四类分隔符类别

番号解析可能遇到半角连字符、全角连字符、下划线、单空白四类分隔符。四类语义等价，但入库前需统一。相关规范梳理见命名族群清点方法。分隔符：4 类归一：半角连字符

分隔符规则映射到检索输入的分词边界：番号搜索语法要点给出输入分词边界对分隔符规则的响应。

分隔符规则在聚合站分类层也有等价约束：聚合站分类约束反射到分隔符规则的做法给出聚合站分类约束反射到分隔符的规则。

下表按分隔符类别、Unicode 代码点、常见来源、归一目标对照：

OCR 输入常含多个空白。番号解析若保留多空白，会破坏后续正则匹配。以示例目录 4,200 条估算，多空白未归一会导致约 6% 匹配失败。相关规范见核验工作单交接要点。失败率：6%

下划线常来自 URL 转义，语义与连字符相同。番号解析若不归一，会拉高目录条目数。相关辨析见番号分类维度。

分隔符两侧不应有额外空白。番号解析应在归一时同时去除两侧空白。示例细节见大番号定义解读。

半角连字符在 URL、数据库、正则里都最安全。是否需要严格区分，取决于检索目标本身。

极少数早期命名族用点号或斜线，需按命名族约定单独处理。

分隔符本身不承载命名族信息，归一不丢关键语义。两者能否互换使用，需结合具体检索场景判断。

有，如非断连字符 U+2011。番号解析建议一并归一。至于何时启用严格 Unicode 白名单，尚无统一约定。

本文只覆盖番号解析中分隔符归一化的公开命名部分，不涉及内容获取途径、许可核验或跨编号系统的映射。实践中还应记录归一化规则版本与采样时间戳，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。