Erabili erregele-zuzenak REGEX datu automatizatua eta ateratzea (2. atala)

Nola atera ditzaket dokumentuaren informazioa REGEX bidez?

Adibideak

Artikulu honetan, REGEX bidez PaperOffice bidezko eskaeraren zenbait datu lortzen moduak erakutsiko dizkizugu, eta eskaeran datuak automatikoki dokumentua bidezkotzat gorde ahal izango dituzu.

Hemen dugu adibide dokumendu bat sortu dugu, zeinetan data zehaztua dago. Dokumentu honetan faktura bat da. Gure dokumentuan data-mota honela formatatua dago:

Informationen automatisiert aus Rechnungen extrahieren

Hilabetea, letrak osaturik, baina lehen letran hizki larriz, ondoren hutsune bat, ondoren eguna, eta hurrengo koma bat, bestelako hutsune bat eta gero urtea.

Adibidez: Sep 20, 2019 edo Mär 05, 2022

Data hori atera nahi dugunean, hurrengo erregular expresioa (REGEX) erabili dezakegu:

([A-Z][a-zä]{2})\s(0[1-9]|[12][0-9]|3[01]),\s(20\d{2})

Eman dezagun esaldiak taldeka ulertzeko. Taldeak parentesi sinpleek () bereizten dituzte.

Lehen taldean 3 hilabete hizki-en bila jarraitzen dugu: ([A-Z][a-zä]{2})

([A-Z][a-zä]{2})\s(0[1-9]|[12][0-9]|3[01]),\s(20\d{2})

Hilabetearen xehetasunak atera

• [A-Z] Kate honen bidez, A-Z-ko maiuskula bat bilatu nahi dugu. Adibidez, „S“ „Sept-ekotik“.
• [a-zä]{2} Kate honen bidez, bi minuskulako hizki (a-z) eta / edo „ä“ (alemanierazko „März“ hilabete-izena) bilatu nahi ditugu. Adibidez, ep „Sep“-etik edo är „Mär“-etik.

Gero, hutsune bat bilatzen dugu: \s

([A-Z][a-zä]{2})\s(0[1-9]|[12][0-9]|3[01]),\s(20\d{2})

Egunaren xehetasunak atera

Bigarren taldean egunaren izenburua zenbaki bati buruz bilatzen dugu: (0[1-9]|[12][0-9]|3[01])

([A-Z][a-zä]{2})\s(0[1-9]|[12][0-9]|3[01]),\s(20\d{2})

Egunaren xehetasunak hiru agintza desberdinez bereiztu behar dira.
Dokumentuan zein data atera ahal duen ezagutzen ez badugu, hurrengo aukerak adierazi behar dira. Data batean azkeneko eguna (31) edo lehenengo eguna (01) egon daiteke, beraz agintza desberdinak izango dira.
Hauek benetan barneratu ahal dira „|“ karakterearekin bereizita.
Adibidez: (1|2|3) = 1 edo 2 edo 3.

Hazpandar aurreko parentesiak, onarturiko karaktere-zerrenda idazten da. Hazpandar lauak zenbait karaktere adierazten dituzte. Adibidez, adierazpena gehiago hizki deskribatu nahi badu, hauek txerto eransteko, orden honen batetik ezkerretik esaldia sartuko da frogapean.

Normala da ez beti guztiak adierazi beharrik izatea. Agian, osoko grupo babestuak karaktere batean soilik daude.

• 0[1-9] Kate honen bidez, zeroz hasten den zenbaki bat izan daiteke, ondoren 1-9 arteko zenbaki bat izango duena. Hortaz, 01-09ko zenbaki baten bat.

Kateak, zeroz hasitako zenbakiak bilatzen ditu, frogak 0-arekin hasten den zenbaki-motak. Frogatu dokumentuak sostengatzen badu «5. März 2022» data adierazpena, hau da, bada bitan 0-rik txostenen irteera, «5»-aren aurretik dagoen 0-a frogako litzateke

• [12][0-9] Kate honen bidez, bat edo bi-aren artean denbora hasi daiteke, 0-9 arteko zenbaki baten bat izan daiteke. Inferentziatzat, 10-29ko zenbaki bat atera daiteke.
• 3[01] Kate honen bidez, hirurenek ezkerretik genituen 3aren aurrean hasi zitekeen zenbaki baten bat izan daiteke, 0 edo 1 bat izan daitekeena. Hau da, 30-a eta 31-a izan daitezke.

Eguneko esangaiak zehaztu aurretik, zenbaki bat jakin behar da.

Orain koma eta hutsunea bilatu behar ditugu: ,\s

([A-Z][a-zä]{2})\s(0[1-9]|[12][0-9]|3[01]),\s(20\d{2})

Urteko xehetasunak atera

Azken taldean urtearen bila jarraitzen dugu: (20\d{2})

([A-Z][a-zä]{2})\s(0[1-9]|[12][0-9]|3[01]),\s(20\d{2})

Eskaera zenbakia ateratzen, REGEX esker

Hurrengo adibide gisa, dokumentutik eskuratu nahi dugu eskaera zenbakia.

Auftragsnummern werden aus dem Dokument extrahiert

Gure dokumentuan eskaera zenbakia hurrengo formatuan dago:

Zuzeneko 3 hizki hauestakin hasten da XYB, hurrengoa da lotura, ondoren 8 zenbaki, besterik gabe, berriz lotura bat eta azkenik 3 hizki larri batzuk ditu.

Eskaera zenbakiaren adibideak hauek izango dira:

XYB-12316723-LSH

XYB-98456723-JRD

Eskaera zenbaki hau atera ahal izateko, hurrengo erregulartasun adierazpena erabil daiteke:

XYB-\d{8}-[A-Z]{3}

Eremu horren adierazpena aztertu dezagun:

Lehenik eta behin bilatzen ditugu 3 hizki metodo larriekin: XYB-

XYB-\d{8}-[A-Z]{3}

Ondoren 8 zenbaki bilatzen ditugu, lotura bat ondorengoak dira: \d{8}-

XYB-\d{8}-[A-Z]{3}

\d, jada azaldu dugun moduan, 0tik 9ra arteko zenbaki bat balio du. Berriro ere, \d{8} balio hiru digituak bilatzen ditu.

Azkenik, 3 larri hizki bilatzen ditugu: [A-Z]{3}

XYB-\d{8}-[A-Z]{3}

Beraz, PaperOfficek hurrengo eskaera zenbakiak aukeratuko lituenez:

XYB-12316723-LSH

XYB-98456723-JRD

XYB-975432671829

ZYB-12342176-ZHD

XYB-12316723-LSH eta XYB-98456723-JRD bilatuko litu prakika.

Adibide honen berriko link bat prestatu dugu, non erregulartasun adierazpen azaldu behar den 4 adibideekin. Ikusiko duzu, eskaera zenbaki horietako bi bakarrik esan nahi ditugula.

Artikulu zenbakia atera, REGEX esker

Artikulu zenbakia gure dokumentuan hurrengo formatuan dago:

Bi letra larriez hasiko da beti, hurrengoa da lotura, ondoren 6 zenbaki.

Verschiedene Artikelnummern können aus Rechnungen ausgelesen werden

Artikulu zenbakien adibideak hauek izango dira:

MS-863398

DS-452829

Artikulu zenbakiak atera ahal izateko, hurrengo erregulartasun adierazpena erabil dugu:

[A-Z]{2}-\d{6}

Hasi ea pentsamenduak ziurtasun kontra dauzkazun.

Oraindik ulertzen ez baduzu, PaperOffice integratzea zure negozio-bizitzan adibide kasuak irakur ditzazkezu eta sinetsi informazioa eskuratzea errazteaz edo instalazio-probak eskatuz gero.