Naudokite reguliarius išraiškas REGEX automatiniam duomenų kaupimui ir išgavimui (2 dalis)

Kaip išgauti informaciją iš mano dokumento naudojant REGEX?

Praktiniai pavyzdžiai

Šiame straipsnyje parodytume, kaip šablono išraiškos (REGEX) dėka galite išgauti bet kokius duomenis iš dokumento ir automatiškai priskirti juos dokumento raktažodžiams naudojant mezoninius reguliarius išrašus (REGEX) „PaperOffice“.

Pateikiame mūsų sukurto šablono dokumentą, kuriame yra nurodyta konkreti data. Šiame dokumente faktūra. Mūsų dokumente datos šablonas yra formatuotas taip:

Informationen automatisiert aus Rechnungen extrahieren

Mėnuo sudarytas iš raidžių, bet visada pirmoji raide yra didžioji, paskui tarpas, po to dienos numeris, po kablelio kitas tarpas ir tada metai.

Pavyzdžiui: Sep 20, 2019 arba Mär 05, 2022

Norint išgauti šią datą, galime naudoti šią reguliariąją išraišką (REGEX):

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

Leiskite mums padalinti išraišką į atskiras grupes. Šios grupės yra atskirtos paprastais skliaustais ().

Pirmoje grupėje ieškome trijų mėnesio raidžių: ([A-Z][a-zä]{2})

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

Gauti mėnesį

• [A-Z] Šis simbolių rinkinys reiškia, kad ieškome didžiosios raidės nuo A iki Z. Pavyzdžiui raidę „S“ iš Sept. Atkreipkite dėmesį, kad didžiosios ir mažosios raidės traktuojamos atskirai.
• [a-zä]{2} Šis simbolių rinkinys reiškia, kad ieškome dviejų mažųjų raidžių nuo a iki z ir taip pat ä (vokiško mėnesio pavadinimo „März“ atveju). Tai būtų ep iš „Sep“ arba är iš vokiško „Mär“.

Toliau ieškome tarpelio „\s“.

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

Gauti dienos numerį

Antrame grupėje ieškoma dienos numerio skaitmenų: (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})

Dienos numeris turi būti atskirtas trijų skirtingų instrukcijų.
Kadangi mes nežinome, kokios datos eilutė gali būti dokumente, gali būti pirmoji mėnesio diena (01) arba paskutinė mėnesio diena (31), reikia nurodyti kelias skirtingas galimybes.
Šios galimybės skiriamos su simboliu „|“.
Pavyzdys: (1|2|3) = 1 arba 2 arba 3

Laužtinėse skliaustose yra simbolių eilutė, leidžiančių simbolius. Daugelio laužtinių skliaustų atitinkamai labiau simbolius. Jei išraiška apibūdina kelis simbolius, juos paprasčiausiai galima pridėti vienas po kito. Tada įvestis palyginama su išraiška iš kairės į dešinę.

Žinoma, visiems skačiams nebūtina visada pateikti. Iš esmės visa apkrauta išraša rodo tik vieną simbolį.

• 0[1-9] Šis simbolių rinkinys reiškia, kad skaičius gali prasidėti nuo „0“, po kurio gali būti skaičius nuo 1 iki 9. Taigi gausime bet kokį skaičių nuo 1 iki 09.

Simbolių eilutė ieško skaičiaus modelio, kuris prasideda nuliu. Jei jūsų dokumente įprastinės datos (2022 m. Kovas) yra atsakyta į datos pateikimą „5-asis kovas 2022“, kitaip tariant, be to, kad „5“ skaičiaus prieš „0“ nebūtų„, tada „0“ bus pašalinta iš simbolių eilutės.

• [12][0-9] Ši simbolių eilutė reiškia, kad skaičius gali prasidėti nuo „1“ arba „2“, po to bet koks skaičius nuo 0 iki 9. Rezultatas gali būti bet koks skaičius nuo 10 iki 29.
• 3[01] Ši simbolių eilutė reiškia, kad skaičius gali prasidėti nuo „

Pažymių numeris perskaitytas naudojant REGEX

Kaip kitą pavyzdį norime iš dokumento perskaityti pažymių numerį.

Mūsų dokumente pažymių numeris yra šiai pavyzdžiu:

Visuomet prasideda didžiosiomis raidėmis XYB, sekanti yra brūkšnelis, po to seką standartinis aštuonių skaitmenų numeris, vėl brūkšnelis ir paskutinės trys bet koks didžiosios raidės.

Pavyzdiniai pažymių numeriai yra:

XYB-12316723-LSH

XYB-98456723-JRD

Tam, kad perskaitytumėme šį pažymių numerį, galime naudoti šiuos reguliarios išraiškos kodą:

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

Pasižiūrėkime į išraišką žingsnis po žingsnio.

Pirmiausia norime gauti tik tris didžiųjų raidžių grupę kartu su brūkšneliu: XYB-

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

Po to ieškoma aštuonių skaitmenų grupė kartu su brūkšneliu: \d{8}-

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

Simbolis \d, kaip jau aprašėme, reiškia skaitmenį nuo nulio iki devynių, tada simbolis \d{8} ieško aštuoniaskaitės numerio grupės.

Galiausiai ieškoma trijų bet kokių didžiųjų raidžių: [A-Z]{3}

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

Šis būdas atpažintų dviejų numerių pavyzdžius:

XYB-12316723-LSH

XYB-98456723-JRD

nuo šių keturių numerių:

XYB-12316723-LSH

XYB-98456723-JRD

XYB-975432671829

ZYB-12342176-ZHD

Mūsų paruoštas nuoroda į regularią išraišką, kuris atitinka šiuos keturis numerius. Matysite, jog tik du iš keturių numerių atitinka mūsų pateiktus reikalavimus.

Straipsnių numeriai išskaitomi REGEX pagalba

Straipsnio numeris mūsų dokumente yra šiai pavyzdžiu:

Visada prasideda dviem didžiosiomis raidėmis, po jų yra brūkšnelis, po to žymimas šešių skaitmenų kodavimas.

Verschiedene Artikelnummern können aus Rechnungen ausgelesen werden

Pavyzdiniai straipsnių numeriai yra:

MS-863398

DS-452829

Tam, kad išskaitumėte sakinį, galime naudoti šiuos reguliarios išraiškos kodą:

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

Pradėti labai paprasta.

Ar jūs vis dar abejojate, kad sugebėsite? Paskaitykite savo klientų sėkmės istorijas apie tai, kaip „PaperOffice“ įdarbinti į jūsų verslo gyvenimą ir įsitikinkite patys apie jo paprastumą arba paprašykite testinės diegimo versijos.