שימוש בביטויים רגולריים REGEX לצורך איסוף והפקת נתונים אוטומטיים (חלק 2)
לשלוט בביטויים רגולריים: מדריך ליצירת ביטויים יעילים ורבי עוצמה
![](https://start.paperoffice.com/Media/109_blog_webp_1920x600.webp)
המפתח ללכידה אוטומטית של נתונים והפקת נתונים.
המפתח ללכידה אוטומטית של נתונים והפקת נתונים.
הצעות הנחה הגבוהות ביותר
חדשות פנים בלעדיות
שדרגות מתנה חינם
הצעות הנחה הגבוהות ביותר
חדשות פנים בלעדיות
שדרגות מתנה חינם
אמיתות ידידות ביטחון
אנחנו לעולם לא נעביר את כתובת האימייל שלך לכל אחר וכל האימיילים כוללים קישור לביטול ההרשמה בלחיצה אחת.
עצה מקצועית
לכידה אוטומטית של נתונים עם ביטויים רגולריים: איך לעבד ביעילות כמות גדולה של נתונים בעזרת ביטויים רגולריים.במאמר הנוכחי אנו מראים לכם כיצד תוכלו להשתמש בביטויים רגולריים, כדי ליהנות מיתרונותיכם בעיבוד מסמכים אוטומטי. זה נכון במיוחד למסמכים של חברות בכל ענף.
אנו מראים לכם דוגמאות מדויקות של ביטויים רגולריים ומסבירים צעד-אחר-צעד מה משמעותם ואיך גם אתם יכולים להשתמש בהם.
כך תוכלו להגביר את היעילות התפעולית שלכם, להפחית טעויות אנוש על ידי דיוק גבוה יותר, להפחית את העלויות הנוכחיות שלכם, לשמור על שלמות הנתונים ולשפר את אבטחת המידע שלכם.
המאמר הנוכחי מרחיב את החלק הראשון על עיבוד מסמכים אינטליגנטי, כאן תוכלו להגיע ישירות למאמר.
הוצאת נתונים מסוימים ממסמכים יכולה להיות משימה יקרה וגוזלת זמן מאוד. לעתים קרובות, מסרקים של מסמכים נשלחים לחברות העוסקות בקבלת נתונים ידנית גדולה באאוטסורסינג, שבהן הנתונים מוגזים ידנית.
עם זאת, קיימים מספר חסרונות בגישה זו, כדלקמן:
וכן רבים נוספים.
למרות השימוש הנפוץ בסריקה, חלק גדול מהעסקאות המסחריות עדיין מבוסס על מסמכים פיזיים. מוערך כי 85 % מהחשבוניות עדיין מופיקות על נייר.
בנוסף, יש הררי נייר קיים שצריך לשמור במאגרים ענקיים!
ביטויים רגולריים, הידועים גם כ-"Regex" הם כלי עוצמתי לחיפוש וטיפול בטקסטים. הם מאפשרים לזהות ולטפל בתבניות מורכבות בטקסטים.
ביטוי רגולרי מורכב משילוב של אותיות רגילות וסימנים מיוחדים שיש להם פונקציות מיוחדות.
ניתן להשתמש בביטויים רגולריים גם כדי להחליף או לטפל בטקסט. לדוגמה, ניתן להשתמש בביטוי רגולרי.
הם כלי מאוד עוצמתי לעיבוד טקסטים ולאוטומציה של משימות.
העלייה במסמכים דיגיטליים עם סוגים שונים, כללים שונים למתן שמות וללא מערכת חיפוש מתאימה מקשה על תהליך החיפוש והקריאה של המידע מהמסמכים של תוכן מסוים, במיוחד אם מדובר במסמכים לא מסווגים, החיפוש נעשה בלתי מדויק ולוקח הרבה זמן.
כך מחפשים וקוראים את תוכן המסמך בהתאם למחרוזת נתונה. ביטויים רגולריים הם דרך להגדיר תבניות במידע באמצעות סמלים מיוחדים.
שיטת Regex מתאימה ביותר למסמכים שבהם מיקום הערכים לקריאה משתנה ומספרות מסמכים פשוטות לא יכולות לתפוס.
רשימה של ביטויים פשוטים תוכלו למצוא ב-ComDesk שלנו.
ניתן להרכיב ביטויים רגולריים בדרכים שונות, תלוי בסוג התבנית שמחפשים.
שימוש בסמלי מתא (Meta characters), כמו ., *, +, ?, ^, $, [] ו-[a-z], כדי לייצג סוגים מסוימים של תווים או תבניות.
שימוש בחלקים אופציונליים: השתמשו בשאלה (?) או בכוכב (*) כדי להפוך חלקים מהתבנית לאופציונליים.
שימוש בקבוצות: השתמשו בסוגריים עגולים כדי לקבץ חלקים מהתבנית ולתייחס אליהם כיחידה אחת.
חשוב לציין כי הכללים לביטויים רגולריים עשויים להשתנות בהתאם לשפת התכנות. לכן חשוב לקרוא את התיעוד של הכלים שבהם משתמשים. ה-RegEx שנכתבים עבור PaperOffice חייבים להיות תואמים ל-ECMAScript ו-PCRE2.
טיפ
בנושא "תיק מסמכים אוטומטי / רגקס & משתנים / אוטומציה של חשבוניות" יש גם סרטון ביוטיוב שמסביר את התהליך הזה בקלות ובהבנה:
במאמר הנוכחי נדגים לכם כיצד תוכלו להוציא כל נתון מהמסמך בעזרת ביטויים רגולריים מולטי-איבריים ב-PaperOffice ולהוסיפם אוטומטית כמילות מפתח למסמך.
להלן יצרנו מסמך דוגמה המכיל תאריך מסוים. במסמך זה מדובר בחשבונית. תבנית התאריך במסמך שלנו מעוצבת באופן הבא:
חודש המורכב מאותיות, אך האות הראשונה תמיד תיכתב באותיות גדולות, ואחריה רווח, ולאחר מכן היום שאחריו פסיק, רווח נוסף ואז השנה.
לדוגמה: Sep 20, 2019 או מאר 05, 2022
כדי לחלץ את התאריך הזה, נוכל להשתמש בביטוי הרגולרי (REGEX) הבא:
בואו נפרק את הביטוי לקבוצות נפרדות. קבוצות אלו מופרדות על ידי סוגריים פשוטים ().
בקבוצה הראשונה נחפש את אותי החודש: ([A-Z][a-zä]{2})
לאחר מכן נחפש רווח עם המחרוזת: \s
בקבוצה השנייה נחפש את היום בתצורה של מספרים: (0[1-9]|[12][0-9]|3[01])
יש להפריד את היום לשלוש הנחיות שונות.
מאחר ואיננו יודעים איזה יום מופיע במסמך, ייתכן שמדובר ביום הראשון (01) או ביום האחרון (31) של החודש, לכן יש לציין אפשרויות שונות.
אפשרויות אלו מופרדות על ידי התו „|“.
לדוגמה: (1|2|3) = 1 או 2 או 3.
בסוגריים מרובעים מופיעה רשימת תווי מותרות. מספר סוגריים מרובעים מציינות מספר תווים.אם אפשרות אחת מציינת מספר תווים, הם יתכתבו אחד אחרי השני. לאחר מכן נעשית בדיקה של הביטוי משמאל לימין עם הביטוי שלך.
כמובן שאין צורך לציין כל מספר. הביטוי המקיף יספק תוצאה עבור כל תו.
מחרוזת זו מחפשת תבנית מספר המתחילה באפס. אם במסמך שלך מופיע תאריך כמו "5. מארס 2022", ללא הספרה "0" לפני ה-5, אז ה-"0" תושמט מהמחרוזת.
לאחר שהגדרנו את היום, נעבור להגדרת הביטוי עבור השנה.
עכשיו נחפש את הפסיק והרווח: ,\s
בקבוצה האחרונה נחפש את השנה: (20\d{2})
נתחיל בחיפוש כל שנה, אם כי נידע שהיא גדולה או שווה ל-2000.
התו \d מציין לדוגמה ספרה בין 0 ל-9, בעוד \d{2} מחפש מספר כפול.
כאשר נשתמש בביטוי רגולרי זה ב-PaperOffice, התוצאה הסופית שתתקבל תהיה התאריך „Sep 20, 2019“.
כך ניתן לחלץ כל תאריך ממסמך, מבלי לדעת את ערך המקור. קבוצות אלו יכולות לשמש בכל מקום אחר ולהיות מועברות חופשי כדי לקרוא תבניות תאריך אחרות.
כאן דוגמה נוספת:
התאריך מתחיל ביום, אחריו החודש באותיות, כאשר האות הראשונה תמיד תיכתב באותיות גדולות, ואחריו נקודה, רווח נוסף ואז השנה.
כדי לחלץ תאריך זה, נוכל להשתמש בביטוי הרגולרי שהוסבר קודם, עם תיקון קל, כי בדוגמה השנייה נקבע נקודה לאחר החודש.
זה ניתן לציון עם המחרוזת: \.
הביטוי הסופי ייראה כך:
תוכלו בכל עת לאמת ה-Regex שיצרתם על ידי הכנסת הביטוי יחד עם הטקסט באתר https://regex101.com. Regex101 לא רק יבדוק אם ה-Regex שלך נכון, אלא גם יסביר את הביטוי הרגולרי באופן רחב.
כך תוכלו להשתמש בקבוצות התווים השונות לכל דבר.
כדוגמה נוספת, נרצה לקרוא את מספר ההזמנה מהמסמך.
מספר ההזמנה על המסמך שלנו מעוצב ככה:
זה תמיד מתחיל באותיות הראשיות XYB, ולאחר מכן מקף, ואז 8 ספרות, עוד מקף ובסוף 3 אותיות ראשיות אקראיות.
דוגמאות למספרי הזמנה יהיו:
XYB-12316723-LSH
XYB-98456723-JRD
כדי לחלץ את מספר ההזמנה הזה, אנו יכולים להשתמש בביטוי הרגולרי הבא:
בוא נפרק את הביטוי הזה צעד אחר צעד.
ראשית נחפש בדיוק את שלוש האותיות הראשיות הראשונות עם הסימן המקף: XYB-
לאחר מכן נחפש 8 ספרות ולאחריהן עוד מקף: \d{8}-
הסימן \d, כמו שתואר קודם, מייצג מספר בין 0 ל-9, ושוב הסימן \d{8} מחפש מספר בן שמונה ספרות.
ובסוף נחפש 3 אותיות ראשיות אקראיות: [A-Z]{3}
כך PaperOffice תזהה ממספרי ההזמנה הבאים:
XYB-12316723-LSH
XYB-98456723-JRD
XYB-975432671829
ZYB-12342176-ZHD
שני הראשונים XYB-12316723-LSH ו-XYB-98456723-JRD
תזהה.
הכנו קישור ל-Regex101 לדוגמה זו, שבו הביטוי הרגולרי שהזכרנו מתואר ב-4 דוגמאות. תוכלו לראות שרק שניים ממספרי הזמנה האלה עומדים בדרישות שלנו.
מספר המוצר במסמך שלנו מעוצב ככה:
זה תמיד מתחיל בשתי אותיות ראשיות, ואז מקף, ולאחר מכן 6 ספרות.
דוגמאות למספרי מוצרים יהיו:
MS-863398
DS-452829
כדי לחלץ מספרי מוצרים אלו, נוכל להשתמש בביטוי הרגולרי הבא:
PaperOffice יכולה לסרוק את המסמכים שלכם ולהשתלב במערכות שלכם כדי לאוטומט את חילוץ הנתונים מהחשבוניות ומסמכים אחרים, מבלי לכתוב ולשמור קודים כה רבים.
צרו איתנו קשר כדי לשוחח על המקרים שלכם ולגלות איך PaperOffice יכולה לעזור לכם להיות תחרותיים יותר בעידן הדיגיטלי.
להתחיל פשוט יותר ממה שאתם חושבים.
עדיין יש לכם ספקות אם תצליחו לעשות את זה? קראו סיפורי מקרה של הלקוחות שלנו על שילוב PaperOffice בעסקים שלהם ושכנעו את עצמכם בפשטות, או בקשו התקנת ניסיון פשוטה.
לבסוף, אנחנו עונים על מספר שאלות נוספות בשכונת "שימוש בביטויים רגולריים REGEX לצורך איסוף והפקת נתונים אוטומטיים (חלק 2)":
התשובה המהירה והפשוטה לשאלה היא: לכל חברה. משרד ללא ניירות מועיל לכל הענפים העסקיים ובכל הגדלים, ממפעלים קטנים ובינוניים ועד חברות גדולות. השינוי הוא בעל ערך מיוחד לעסקים קטנים ובינוניים:הפחתת מאמצי טיפול ועלויות משחררת תקציב הנדרש לצמיחה נוספת.
לא. גורם נוסף שהפך לנושא מרכזי מאז כניסת ה-DSGVO לתוקף בשנת 2018 הוא פרטיות המידע. פתרונות DMS ותוכנת DMS משמשים לעיבוד, ניהול ואחסון של מסמכים הכוללים לעיתים קרובות נתונים אישיים רגישים. המחוקק קובע קנסות גבוהים על הפרות של ה-DSGVO.
לעבוד באופן דיגיטלי ולהביא מסמכים ישנים לעידן החדש תהיה ההשקעה המפתח הטובה ביותר שתציל לכם זמן רב, כסף ועצבים בעתיד.
לא צריך מומחה IT משלו כדי לנצל את כל היתרונות של הדיגיטליזציה.
מה שאתם צריכים זה שותף נכון לצדכם, שבזכות הניסיון שלו יכול לממש בדיוק את מה שאתם צריכים. הימנעו מאיומים ובחרו ניסיונות במקום מצגות PowerPoint נוצצות בלי לבדוק אותם באמת.
ניסיון מראה שכמעט לכל עסק, חברה וארגון יש מכונת צילום גדולה, שלא מנצלת את האפשרויות שלה. המכשיר הזה אוהב סריקה המונית, סובלני בהקשר של מהדקים ויכול להיות הבסיס להתחלה דיגיטלית בלי להשקיע בסורק.
הימנעו ממלכודות עלויות עם מערכות DMS / ECM שבהן אתם נתונים ליצרנים ללא רחמים. אל תתפשרו בנוגע לאפשרויות הניהול העצמי כמו למשל ללמוד מסמכים לבד ולהגדיר הגדרות. אם אתם צריכים עזרה, היצרן ישמח לעזור, אבל תהיו עצמאיים ובלתי תלויים.
תהליכים יתנהלו בעתיד באופן זהה לחלוטין, אבל באופן אוטומטי לחלוטין.
מתקבלת חשבונית? תהליך העבודה מופעל והכול מתנהל לפי הדרך המוגדרת פעם אחת.
לחפש בכל 1000 תיקי המסמכים? אין בעיה, כי יש לכם את ה-Google הפרטי שלכם!
"בתעשייה, נושא הדיגיטציה הופך להיות יותר ויותר בולט. זה חל, למשל, על גיליונות הנתונים הטכניים שלנו, נתוני הלקוחות, החישובים או התוכניות, השרטוטים והתצורות שלנו. לאחר הצגת PaperOffice DMS, ניתן היה להפחית את המאמץ הידני. כיום אנו חלוצים בדיגיטציה בחברות הפקה, תעשייה 4.0".
מר אנטוניו חסוס סאנצ'ז
מנכ"ל ומהנדס מוצר ותהליכים ב-Butterfly Engineers S.L.