有 14 筆紀錄的分子量欄裝的是「只算碳原子」的質量，而我是因為錯誤重複才找到的

閱讀約 4 分鐘。

上一篇我用 logP 對分子量抓到一筆錯，並說那是「跨欄位」的檢查。這篇把那個手法做到底。

從分子式算分子量

分子量不是一個需要相信的數字——**它可以從分子式算出來。**每個元素的原子量是常數，加起來就是。

20,626 筆同時有分子式與分子量、而且分子式可以解析的紀錄裡，算出來與欄位差超過 1% 的只有 22 筆——0.11%。

99.89% 一致。這是我量過最乾淨的一對欄位。

（對照組：純度欄有 83.7% 是同一個預設值、閃點有 794 筆講反話。這一對沒有那些問題。）

但那 22 筆有一個模式

我原本要一筆一筆看，然後注意到欄位裡的錯值重複了：

欄位寫的分子量	出現次數	那幾筆的分子式
180.16	3	C15vH18vO3、C15H26O、C15H 24
228.21	2	C19H28O2、C19H31NO3
252.23	2	C21H32O2、C21H22O12
276.25	2	C23H42O4、C23bH48bO6

每一組的分子式完全不同，但碳數一樣。

而碳的原子量是 12.011。

碳數	× 12.011	欄位寫的
C15	180.165	180.16
C19	228.209	228.21
C21	252.231	252.23
C23	276.253	276.25

那個欄位裝的是分子式裡碳原子的總質量。氫、氧、氮全部被丟掉了。

逐一驗證之後，22 筆裡有 14 筆完全符合這個簽名——包括 C54 的 648.59、C30 的 360.33、C22 的 264.24、C20 的 240.22、C7 的 84.08。

為什麼會這樣

線索在分子式欄本身。看那幾筆：

C15vH18vO3　C23bH48bO6　C15H 24　C1 8H25 N O8

碳數後面多了一個雜字元。C15v、C23b、C15H 後面一個空格。

最可能的解釋是：解析分子式的程式在那個雜字元停下來，只算完了第一個元素，然後把結果寫進分子量欄。

但這個解釋不完整——6-epi-beta-bisabolol 的分子式是乾淨的 C15H26O，而它的分子量還是 180.16。所以髒字元是原因之一，不是全部。

剩下的 8 筆不符合這個簽名

它們的錯法各不相同（碘丙炔基丁基胺甲酸酯寫 154.19 而正確是 281.09；哈爾滿醇寫 170.23 而正確是 200.24）——看起來是散落的個別錯誤，不是同一個 bug。

這個對比本身就是重點。

這篇真正的方法論

一個重複出現的錯值，跟一堆各不相同的錯值，是兩種完全不同的東西。

• 散落的獨特錯值＝打錯字。一筆一筆修。
• 重複的同一個錯值＝有一個程式在做同一件錯事。修那個程式，一次修掉全部。

**我是先看到「180.16 出現三次」才去找原因的。**如果那 14 筆各錯各的，我大概只會記下「有 22 筆不符」然後跳過。

所以檢查資料的時候，不要只數錯誤的個數，要看錯誤的分布。

而這個 bug 不影響任何人

我查了那 14 筆的供應商數。

全部是 0。

這個 bug 只發生在沒有人賣的紀錄上——那又是同一個模式，我在純度欄與閃點欄都量過：這個資料庫對「商品」與對「條目」的處理品質是兩回事。

（那 22 筆裡供應商最多的是碘丙炔基丁基胺甲酸酯的 6 家，而它不屬於碳質量那一類。）

實務上

1. **分子量可以驗，而且應該驗。**一個 GROUP BY 加一張原子量表就夠了。
2. **錯值重複出現時，先算算看它等於什麼。**180.16 不是隨機的數字。
3. **這一對欄位可以信任。**99.89%，而剩下的 0.11% 集中在沒人買的紀錄上。
4. 分子式欄有 42 筆帶著非字母數字的雜字元（像 Al Ca Na O4 Si +2），那些解析不了但不一定是錯的。

這篇沒有建立的

• 我用的原子量表只涵蓋 32 個常見元素，含其他元素的分子式被跳過（95 筆）。
• **1% 的門檻是我定的。**同位素、水合物、鹽類的計算方式差異可能造成小於 1% 的合理偏差，而我沒有處理那些。
• 「解析程式在雜字元停下來」是推論，我沒有看過那個資料庫的產生程式。而且它解釋不了乾淨分子式的那幾筆。
• 剩下 8 筆我沒有找出它們的錯法，只確認它們不符合碳質量的簽名。
• **99.89% 是「兩欄互相一致」，不是「兩欄都對」。**如果分子式本身錯了，這個檢查抓不到。
• 這是 2026 年 9 月的快照。