I den nuværende artikel viser vi dig, hvordan du kan bruge regulære udtryk til at drage fordel af automatiseret dokumentbehandling. Dette gælder især for dokumenter fra virksomheder i enhver industri.
Vi viser dig konkrete eksempler på regulære udtryk og forklarer trin for trin, hvad de betyder, og hvordan du kan bruge dem.
På denne måde kan du øge din driftseffektivitet, reducere menneskelige fejl gennem højere nøjagtighed, sænke dine nuværende omkostninger, opretholde dataintegritet og forbedre datasikkerheden.
Den nuværende artikel udvider den første del om intelligent dokumentbehandling,her tager dig direkte til artiklen.
Udtrækning af specifikke dataelementer fra dokumenter kan være en ekstremt dyr og tidskrævende opgave. Ofte sendes scanninger af dokumenter til store outsourcing-virksomheder for dataindsamling, hvor dataene indtastes manuelt.
Der er dog flere ulemper ved denne tilgang, som følger:
- Dette kan bringe dokumentsikkerheden i fare
- En forsinkelse introduceres i arbejdsgangsproceserne
- Sammenlignet med automatisk udtrækning er manuel indeksering en langsom proces
- Manuel indeksering skalerer ikke godt på store projekter
- Manuel indeksering kan introducere fejl i dataene
- Hvis et dokument ændres, starter hele processen forfra
Og mange flere.
På trods af den stigende udbredelse af scanning er en stor del af forretningstransaktionerne stadig baseret på papirbaserede dokumenter. Det anslås, at 85% af fakturaerne stadig udstedes på papir.
Derudover er der et bjerg af eksisterende papir, der skal opbevares i store lagerbygninger!
Hvad er et regulært udtryk?
Regulære udtryk, også kendt som "REGEX", er et kraftfuldt værktøj til at søge og manipulere tekst. De gør det muligt at genkende og redigere komplekse mønstre i tekst.
Et regulært udtryk består af en kombination af almindelige bogstaver og specielle metategn, der har særlige funktioner.
Regulære udtryk kan også bruges til at erstatte eller manipulere tekst. For eksempel kan et regulært udtryk bruges.
De er et meget kraftfuldt værktøj til ordbehandling og automatisering af opgaver.
Hvordan kan regulære udtryk hjælpe med at automatisere en virksomhed?
Stigningen i digitale dokumenter af forskellige typer, med forskellige navngivningsregler og uden et tilstrækkeligt søgesystem komplicerer søgeprocessen og processen med at udtrække dokumentinformation fra visse indhold, især når det gælder uklassificerede dokumenter, bliver søgningen upræcis og tager lang tid.
Regulære udtryk (regex) giver en hurtig og kraftfuld måde at finde, udtrække og erstatte specifikke data i dokumenter. Regulære udtryk er i bund og grund en særlig tekststreng, der bruges til at beskrive et søgemønster.
Sådan søges og oplæses dokumentindholdet efter en angivet streng. Regulære udtryk er en måde at definere mønstre i information ved hjælp af specielle symboler.
Regex-metoden er bedst egnet til dokumenter, hvor positionerne for de værdier, der skal læses, kan variere, og simple dokumentskabeloner ikke kan fungere.
Du kan finde en liste over simple udtryk i vores ComDesk.
Hvordan kan jeg bygge regulære udtryk?
Regulære udtryk kan samles på forskellige måder, afhængigt af hvilken type mønster der søges efter.
Brug metategn som ., *, +, ?, ^, $, [], og [a-z] til at repræsentere specifikke typer af tegn eller mønstre.
Brug valgfrie dele: Brug spørgsmålstegnet (?) eller asterisk (*) til at gøre dele af mønsteret valgfrie.
Brug grupper: Brug parenteser til at gruppere dele af mønsteret og behandle dem som en enhed.
Det er vigtigt at bemærke, at reglerne for regulære udtryk kan variere afhængigt af programmeringssproget. Derfor er det vigtigt at læse dokumentationen for de anvendte værktøjer. Den RegEx, der er skrevet til PaperOffice, skal være kompatibel med ECMAScript og PCRE2.
Tip
Der er også en video på YouTube om emnet "Automated Document STORAGE Part 3 / REGEX & Variables / Invoice Processing Document Management", som forklarer denne proces let og tydeligt:
Hvordan udtrækker jeg oplysninger fra mit dokument ved hjælp af REGEX?
Praktiske eksempler
I den aktuelle artikel demonstrerer vi, hvordan du kan udtrække alle data fra dokumentet takket være multi-element regulære udtryk i PaperOffice og automatisk gemme dem som et nøgleord for dokumentet.
Vi har oprettet et eksempel-dokument nedenfor, der har en specifik dato. Dette dokument er en faktura. Dato-mønsteret på vores dokument er formateret sådan her:
Måned, sammensat af bogstaver, men den første bogstav er altid stort, efterfulgt af et mellemrum, derefter dagen efterfulgt af et komma, et andet mellemrum og derefter året.
For eksempel:Sep 20, 2019 eller Mar 05, 2022
For at udtrække denne dato kan vi bruge følgende regulære udtryk (REGEX):
([A-Z][a-z]{2})\s(0[1-9]|[12][0-9]|3[01]),\s(20\d{2})
Lad os bryde udtrykket ned i individuelle grupper. Disse grupper er adskilt af enkelte klammer().
I den første gruppe leder vi efter de 3 månedsbogstaver: ([A-Z][a-z]{2})
([A-Z][a-z]{2})\s(0[1-9]|[12][0-9]|3[01]),\s (20\d{2})
Udtræk måned
- [A-Z] Denne streng betyder, at vi leder efter et stort bogstav fra A-Z. For eksempel bogstavet"S" fraSept. Det bør bemærkes, at store og små bogstaver behandles separat.
- [a-z]{2} Denne streng betyder, at vi leder efter to små bogstaver fra a-z. Det ville væreep fra "Sep".
Derefter leder vi efter et mellemrum med følgende streng:\s
([A-Z][a-z]{2})\s(0[1-9]|[12][0-9]|3[01]),\s (20\d{2})
Uddrag dato
I den anden gruppe skal du kigge efter angivelsen af dagen med tal: (0[1-9]|[12][0-9]|3[01])
([A-Z][a-z]{2})\s(0[1-9]|[12][0-9]|3[01]),\s (20\d{2})
Dagen skal adskilles af tre forskellige udsagn.
Da vi ikke ved, hvilken dato der kan forekomme i dokumentet, kan det være den første dag (01) eller den sidste dag (31) i måneden, så du skal tilsvarende have forskellige muligheder navngivet.
Disse adskilles med tegnet "|".
Eksempel: (1|2|3) = 1 eller 2 eller 3.
En liste over tilladte tegn følger i firkantede parenteser. Flere firkantede parenteser matcher flere tegn. Hvis et udtryk skal beskrive flere tegn, sættes disse blot efter hinanden. Dereben sammenlignes indtastningen med dit udtryk fra venstre mod højre.
Selvfølgelig behøver ikke alle tal at blive opført. Samlet set står hele det indekserede udtryk dog kun for ét tegn.
-
0[1-9] Denne streng betyder, at tallet kan starte med et "0" efterfulgt af et tal fra 1 til 9. Så får vi ethvert tal fra 01 - 09.
Strengen leder efter et mønster, der starter med en nul. Hvis dit dokument normalt har en dato "5. marts 2022", dvs. uden tallet "0" foran tallet "5", udelades "0" i strengen.
- [12][0-9] Denne streng betyder, at tallet kan starte med et "1" eller et "2", efterfulgt af ethvert tal fra 0 til 9. Resultatet kan være ethvert tal fra 10 til 29.
- 3[01] Denne streng betyder, at et tal kan starte med et "3", efterfulgt af et "0" eller et "1". Resultatet kan være 30 eller 31.
Når mulighederne for dagen er defineret, skal udtrykket for året fastlægges.
Nu leder vi efter kommaet og mellemrummet: ,\s
([A-Z][a-z]{2})\s(0[1-9]|[12][0-9]|3[01]),\s (20\d{2})
Udtræk år
I den sidste gruppe leder vi efter året: (20\d{2})
([A-Z][a-z]{2})\s(0[1-9]|[12][0-9]|3[01]),\s(20\d{2})
Vi starter med at lede efter et vilkårligt år, men ved, at det vil være ≥ 2000.
- 20 Denne streng betyder, at vi leder efter ethvert år, der starter præcis med 20.
- \d{2} Denne streng betyder, at vi leder efter et muligt todelt tal, dvs. fra "00" til "99".
For eksempel tegnet \d matcher et ciffer mellem 0 og 9, mens tegnet \d{2} matcher et todelt tal.
Hvis det regulære udtryk nu bruges i PaperOffice, er slutresultatet datoen "Sep 20, 2019".
På denne måde kan enhver dato læses ud af et dokument, uden at vi kender den oprindelige værdi. Disse grupper kan også bruges andre steder og flyttes frit for at læse andre datoformater.
Her er et andet eksempel:
Datoen starter med dagen, efterfulgt af måneden, bestående af bogstaver, men den første bogstav er altid stort, efterfulgt af et punktum, et mellemrum og derefter året.
For at udtrække denne dato kan det beskrevne regulære udtryk (REGEX) bruges med en yderligere komplettering, fordi i det andet eksempel gives "punktum" efter måneden.
Dette kan specificeres med følgende streng: \.
Så det komplette udtryk ser sådan ud:
(0[1-9]|[12][0-9]|3[01])\s([A-Z][a-z]{2})\.\s(20\d{2})
Du kan altid validere dit oprettede regex ved at gå til https://regex101.com side for at validere det sammen med din indsætte tekst. Regex101 vil ikke kun tjekke om dit regex er korrekt, det vil også forklare de fleste af de regulære udtryk for dig.
Og så kan du bruge de forskellige tegnmængder til hvad som helst.
Læs ordrenummer takket være REGEX
Som et andet eksempel vil vi gerne læse ordrenummeret fra dokumentet.
Ordrenummeret på vores dokument er formateret som følger:
Dette starter altid med de store bogstaver XYB, efterfulgt af et bindestreg, efterfulgt af 8 cifre, endnu et bindestreg og til sidst 3 tilfældige store bogstaver.
Eksempler på ordrenumre ville være:
XYB-12316723-LSH
XYB-98456723-JRD
For at udtrække dette ordrenummer kan vi bruge følgende regulære udtryk:
XYB-\d{8}-[A-Z]{3}
Lad os bryde udtrykket ned ét ad ét.
Først leder vi efter præcis de første 3 store bogstaver med bindestrengsymbol: XYB-
XYB\d{8}-[A-Z]{3}
Efter det leder vi efter 8 cifre fulgt af en anden bindestreg: \d{8}-
XYB-\d{8}-[A-Z]{3}
The \d tegnet, som tidligere beskrevet, matcher et ciffer mellem 0 og 9, mens \d{8} tegnet matcher et ottecifret tal.
Og til sidst leder vi efter vilkårlige 3 store bogstaver: [A-Z]{3}
XYB-\d{8}-[A-Z]{3}
Sådan ville PaperOffice se ud på følgende ordrenumre:
XYB-12316723-LSH
XYB-98456723-JRD
XYB-975432671829
ZYB-12342176-ZHD
de første to XYB-12316723-LSH og XYB-98456723-JRD
genkende.
Vi har forberedt en link til Regex101 til dette eksempel, hvor den regulære udtryk lige beskrevet er angivet med 4 eksempler. Du kan se, at kun to af de angivne ordrenumre opfylder vores krav.
Læs artikelnumre takket være REGEX
Artikelnummeret på vores dokument er formateret som følger:
Dette starter altid med to store bogstaver, fulgt af en bindestreg, fulgt af 6 cifre.
Eksempler på varenumre ville være:
MS-863398
DS-452829
For at udtrække disse artikelnumre kan vi bruge følgende regulære udtryk:
[A-Z]{2}-\d{6}
PaperOffice kan digitalisere dine dokumenter og integrere med dine systemer for at automatisere dataudtræk fra fakturaer og anden dokumentation uden at skulle skrive og vedligeholde masser af kode.
Kontakt os for at tale om dine anvendelsesområder og lære mere om, hvordan PaperOffice kan hjælpe dig med at blive endnu mere konkurrencedygtig i den digitale tidsalder.
Det er lettere at komme i gang, end du tror.
Er du stadig bekymret for ikke at lykkes? Læs cases fra vores kunder om integrationen af PaperOffice i din hverdag og overbevis dig selv om enkelheden, eller ansøg blot om en testinstallation.
Who is a paperless office suitable for?
Hvem er et papirløst kontor egnet til?
Det hurtige og nemme svar på spørgsmålet er: til enhver virksomhed. Alle brancher og størrelser drager fordel af et papirløst kontor, fra små og mellemstore virksomheder og startups til store virksomheder. Dog er omstillingen særligt værdifuld for små og mellemstore virksomheder: Reduktionen i bearbejdningsindsats og omkostninger frigør det budget, der er nødvendigt for yderligere vækstfremdrift.
Kan jeg bruge en cloud-baseret DMS-udbyder til mit papirløse kontor?
-
Fordele retfærdiggør indsatsen og omkostningerne
At arbejde digitalt og bringe gamle dokumenter ind i den nye tidsalder vil være den bedste nøgleinvestering til at spare en utrolig mængde tid, penge og nerver i fremtiden. -
Du har brug for nogen, der ved det
Du behøver ikke din egen IT-specialist for at drage fordel af alle fordele ved digitalisering.
Det, du har brug for, er den rette partner ved din side, der takket være sin erfaring kan implementere præcis det, du har brug for. Undgå at skræmme folk og vælg i stedet testpositioner frem for fancy PowerPoint-præsentationer uden at have testet det rigtigt. -
Hardwaren er normalt allerede tilgængelig
Erfaringen har vist, at næsten enhver virksomhed, organisation og firma har en stor kopimaskine, der ikke udnytter sit potentiale. Disse enheder elsker masse-scanning, er tolerant over for papirclips og kan være grundlaget for et digitalt start uden investering i scanner. -
Billigere end forventet med det rette DMS
Undgå omkostningsfælder med DMS / ECM-systemer, hvor du er hårdt afhængig af producenternes vilje. Gør ingen kompromiser, når det kommer til dine egne administrationsmuligheder, såsom at lære dokumenter og lave indstillinger selv. Hvis du har brug for hjælp, vil producenten gerne hjælpe dig, men behold din uafhængighed. -
Digital automatisering er fremtiden
Procedurer vil være fuldstændig identiske i fremtiden, men fuldt automatiserede.
Faktura kommer ind? Workflowet aktiveres, og alt går sin definerede vej.
Søg igennem alle 1000 mapper? Intet problem, fordi du har din egen Google!
