Otomatik Veri Yakalama ve Çıkarma İçin Düzenli İfadeler REGEX Kullanımı (Bölüm 2)

Dokümandan bilgi nasıl çıkarırım REGEX ile?

Uygulama Örnekleri

Bu makalede, PaperOffice'da çok elemanlı düzenli ifadeler (REGEX) kullanarak belgenizden herhangi bir veriyi çıkarmanızı ve otomatik olarak belge etiketlerine yerleştirmenizi göstereceğiz.

Aşağıda, belirli bir tarih içeren bir örnek belge oluşturduk. Bu belge bir fatura. Belgemizdeki tarih şu şekilde biçimlendirilmiştir:

Informationen automatisiert aus Rechnungen extrahieren

Ay, büyük harfle başlayan harflerden oluşur ve ardından bir boşluk, günün ardından bir virgül, başka bir boşluk ve ardından yıl gelir.

Örneğin: Eyl 20, 2019 veya Mar 05, 2022

Bu tarihi çıkarmak için aşağıdaki düzenli ifadeyi (REGEX) kullanabiliriz:

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

İfadeyi gruplarına ayırmaya başlayalım. Bu gruplar basit parantezler () ile ayrılır.

İlk grupta 3 harfli ayları arıyoruz: ([A-Z][a-zä]{2})

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

Ayı çıkar

• [A-Z] Bu karakter dizisi, büyük harflerden A-Z arasında bir harf aradığımızı belirtir. Örneğin, S harfi Sept kelimesinde olduğu gibi. Büyük-küçük harf ayrımının ayrı olarak ele alınması gerektiğine dikkat edin.
• [a-zä]{2} Bu karakter dizisi, küçük harflerden a-z ve aynı zamanda ä (Almanca "März" ay adı için) harf dizisini aradığımızı belirtir. Bu, "Sep" kelimesinin ep veya Almanca "Mär" kelimesinin är kısmı olabilir.

Ardından bir boşluk ile bir dize ararız: \s

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

Günü çıkar

İkinci grupta, gün adını sayılarla arıyoruz: (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})

Gün ifadesi üç farklı talimatla ayrıldı.
Belgede hangi tarih ifadesinin olabileceğini bilmediğimizden, ayın ilk günü (01) veya ayın son günü (31) olabileceğini tahmin etmeliyiz, bu nedenle ilgili seçenekler ayrı ayrı adlandırılmalıdır.
Bunlar | işaretiyle ayrılır.
Örnek: (1|2|3) = 1 ya da 2 ya da 3.

Köşeli parantez içinde izin verilen karakterlerin bir listesi yer alır. Bir ifade birden fazla karakteri tanımlamak için, bunları yan yana eklemeniz yeterlidir. Ardından girişiniz, sağdan sola doğru ifadenizle karşılaştırılır.

Tanımlanan tüm sayıların her zaman kullanılması gerekmez. Klamplı ifadenin tamamı, tek bir karakter için kullanılır.

• 0[1-9] Bu karakter dizisi bir sıfır ile başlayan ve ardından 1 ila 9 olan bir sayı ile eşleşeceğimizi belirtir. Bu şekilde 01 ila 09 arasında herhangi bir sayı alırız.

Karakter dizisi, bir sıfır ile başlayan bir numara modelini arar. Belgeniz genellikle "5. März 2022" tarihini içeriyorsa, yani sayı "5" den önce "0" olmadan, bu durumda karakter diziden "0" çıkarılır.

• [12][0-9] Bu karakter dizisi, bir "1" veya "2" ile başlayabilecek ve ardından 0 ila 9 arasında herhangi bir sayıyla eşleşebileceğimizi belirtir. Sonuç, 10 ila 29 arasında herhangi bir sayı olabilir.
• 3[01] Bu karakter dizisi, "3" ile başlayan ve ardından "0" veya "1" olan bir sayıyı eşleştirebileceğimizi belirtir. Sonuç 30 veya 31 olabilir.

Gün seçenekleri belirlendikten sonra, yıl ifadesi belirlenmelidir.

Şimdi virgül ve boşluğa bakıyoruz: ,\s

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

Yılı çıkar

Son grupta yılı arıyoruz: (20\d{2})

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

Herhangi bir yıl için aramaya başlıyoruz, ancak ≥ 2000 olacağını biliyoruz.

• 20 Bu karakter dizisi, belirli bir yı

REGEX ile Sipariş Numarasını Okuma

Bir diğer örnek olarak, belgeden sipariş numarasını okumak istiyoruz.

Auftragsnummern werden aus dem Dokument extrahiert

Sipariş numarası belgemizde şu şekilde formatlanmıştır:

Bu her zaman büyük harflerle XYB ile başlar, ardından bir tire gelir, bunu sekiz rakam, bir daha tire, ve son olarak üç rastgele büyük harf izler.

Örnek sipariş numaraları:

XYB-12316723-LSH

XYB-98456723-JRD

Bu sipariş numarasını çıkarmak için şu düzenli ifadeyi kullanabiliriz:

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

Gelin, ifadeyi ayrı ayrı inceleyelim.

İlk olarak tire işaretiyle tam olarak ilk üç büyük harfi arıyoruz: XYB-

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

Ardından sekiz rakam ve bir daha tire arıyoruz: \d{8}-

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

Daha önce belirtildiği gibi, \d karakteri 0 ile 9 arasındaki bir rakam için kullanılır, \d{8} ise sekiz haneli bir sayıyı arar.

Son olarak, üç büyük harf arıyoruz: [A-Z]{3}

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

Örneğin, PaperOffice aşağıdaki sipariş numaralarından:

XYB-12316723-LSH

XYB-98456723-JRD

XYB-975432671829

ZYB-12342176-ZHD

XYB-12316723-LSH ve XYB-98456723-JRD gibi ilk iki numarayı tanır.

Belirtmiş olduğumuz dört örnekyle birlikte açıklanan bu düzenli ifade için Regex101 üzerinde bir link oluşturduk. Göreceksiniz ki, verilen sipariş numaralarından sadece ikisi gereksinimlerimize uygun.

REGEX ile Ürün Numarasını Okuma

Ürün numarası belgemizde şu şekilde formatlanmıştır:

Bu her zaman iki büyük harf ile başlar, ardından bir tire gelir, bunu altı rakam izler.

Verschiedene Artikelnummern können aus Rechnungen ausgelesen werden

Örnek ürün numaraları:

MS-863398

DS-452829

Bu ürün numaralarını çıkarmak için şu düzenli ifadeyi kullanabiliriz:

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

Başlamanız düşündüğünüzden daha kolay.

Bunu başaramayacağınız hakkında hala endişeleriniz mi var? Müşterilerimizin PaperOffice'i iş hayatına entegre etme hikayelerini okuyun ve kolaylığını kendiniz görün veya test kurulumu isteyin.