把「A to B」裡 A 大於 B 的全部撈出來：55 處，而其中 23 處藏著真的錯誤

閱讀約 4 分鐘。

上一篇結尾我提到一件小事：有兩筆紀錄的評測濃度寫著 1000%，而濃度不可能超過 100%。

**那種錯誤好抓，是因為那個欄位有物理上限。**而我在想：還有哪些檢查是完全不需要懂化學的？

這篇跑了三種。

檢查一：物理上限

assay（純度）欄有 27,221 筆有值，而純度不可能超過 100%。

超過的只有一筆：氧化鋅（#42155，30 家供應商），寫著 800.00 to 100.00。

**一筆。27,221 分之一。**這個欄位乾淨得驚人。

檢查二：值域

折射率有 4,609 筆有值。液體的折射率不可能小於 1（那意味著光在其中比在真空裡跑得快），而香料材料實際上落在 1.3 到 1.6 之間。

我抓落在 1.0–1.8 之外的，得到 5 筆——其中一筆是我自己的探針錯了。

甲硫醇的折射率寫「1.43000 to 1.43600 @ 5.80 °C」，完全正常，而我的正規表示式把溫度的 5.80 也當成了數值。

**這一條值得記下來：掃全庫的時候，@ 後面的東西要先切掉。**我在材料名比對那篇也犯過類似的錯——探針本身會產生假陽性，而抓出來的東西要一筆一筆看過才算數。

檢查三：區間順序（最好用的一種）

這一種完全不需要知道欄位是什麼意思。

如果一個值寫成「A to B」，那 A 應該小於等於 B。不管 A 是純度、密度、溫度還是折射率。

五個欄位裡共有 42,802 個這種區間：

欄位	區間數	A > B	比例
assay	27,221	6	0.02%
specific_gravity	4,184	23	0.55%
refractive_index	4,113	12	0.29%
bp	6,199	13	0.21%
mp	1,085	1	0.09%
合計	42,802	55	0.13%

**55 處，涉及 55 筆紀錄。**而把「大的除以小的」算出來之後，它們清楚地分成兩類。

類型一：只是順序寫反（32 處）

比值 ≤1.15，也就是兩個數字本身都合理，只是寫顛倒了：

供應商	材料	欄位	值
107	杜松果油	比重	0.86900 to 0.85900
50	樟樹皮油	比重	0.88500 to 0.87500
26	捲葉巴西里葉油	比重	0.98000 to 0.94000
19	2-噻吩硫醇	比重	1.25000 to 1.23500
16	2,6-二甲基苯硫酚	折射率	1.52700 to 1.52100

**這一類對人無害。**你看到 0.869 到 0.859 就知道那是 0.859 到 0.869。

**但它會弄壞任何程式。**任何寫著「取第一個數當下限」的程式碼，在杜松果油這一筆上會得到一個比上限還大的下限——而那一筆有 107 家供應商，不是冷門紀錄。

類型二：反轉揭露了真的錯誤（23 處）

比值 >1.15。而這一類裡有三種可以辨認的簽名。

簽名一：小數點掉了一位（比值恰好約 10）。

供應商	材料	值	比值
31	肉桂酸異戊酯	0.99200 to 0.09970	9.9
25	鈴蘭醛	9.93000 to 1.00100	9.9
3	3-(甲硫基)丁酸甲酯	1.03400 to 0.10400	9.9
2	二甲基苄基原醇巴豆酸酯	0.99500 to 0.10030	9.9
4	2-巰基-2-甲基丙酸乙酯	0.96100 to 0.10810	8.9

**五筆，全部是比重欄，全部差一個十倍。**正確值應該是 0.9970、0.9930、1.0400、1.0030、1.0810。

簽名二：純度欄掉了一個零。

供應商	材料	值
7	抗壞血酸磷酸鈉	95.00 to 10.00
3	支鏈澱粉	90.00 to 10.00
2	2-(甲硫基)丙酸甲酯	95.00 to 10.00

**「95.00 to 10.00」幾乎確定是「95.00 to 100.00」。**同樣的錯誤出現三次——那不是隨機的手滑，是同一個轉錄流程的固定失誤。

（氧化鋅那筆 800.00 to 100.00 則是相反方向：多了一個零，應該是 80.00。）

簽名三：沸點欄裡混進了別的東西。

供應商	材料	值
36	薑酮	141.00 to 0.50
5	4-甲基水楊醛	760.00 to 223.00

薑酮那筆的 0.50 幾乎確定是壓力（0.50 mm Hg），只是分隔的 @ 掉了。而 4-甲基水楊醛的 760.00 就是標準大氣壓的毫米汞柱數——兩筆都是「壓力跑進了溫度的位置」。

而最大的那一筆是梨酯（46 家供應商）：折射率寫 1.48000 to 1.14860。1.14860 對液體來說偏低，而 1.4860 剛好落在正確的位置。多了一個 1。（那一支我另外寫了一篇。）

這三種檢查的共同點

它們都不需要知道這個欄位在講什麼。

• 純度不能超過 100——因為那是百分比的定義
• 折射率不能小於 1——因為那是折射率的定義
• 「A to B」的 A 不能大於 B——因為那是「到」這個字的定義

我沒有查任何一支材料的正確值，也沒有比對任何外部來源，就找出了 55 個問題。

而我先前找到的苯乙酮單位錯誤（3200 ml/kg 換算後是體重的 3.3 倍）跟那兩筆 1000% 的濃度，用的是同一類推理。

如果你在做自己的原料資料表，這三條先跑一次，成本幾乎是零。

這篇沒有建立的

• **我只掃了五個欄位。**其他有區間的欄位（閃點、蒸氣壓、logP）我沒有跑完。
• 「A to B」是用正規表示式抓的，寫法不同的區間（用短橫線、用逗號）會被漏掉，所以 55 是下限。
• 正確值全部是我從比值推的，我沒有查任何供應商規格書或化學手冊確認。那些推測可能是錯的——尤其是「95.00 to 10.00 應該是 100.00」那三筆，我只是覺得那個模式很像。
• 類型一與類型二的界線（比值 1.15）是我隨手定的，換一個門檻分類會變。
• **0.13% 的錯誤率不代表這個資料庫只有 0.13% 的錯。**這一類檢查只看得到「形狀不對」的錯誤，一個寫成 0.85 到 0.87 但實際上應該是 0.95 到 0.97 的紀錄，這裡完全照不到。
• 我自己的探針產生過假陽性（把 @ 5.80 °C 的溫度當成折射率），所以任何自動掃描的結果都要人工看過。