Tässä artikkelissa näytämme Teille, miten voitte hyödyntää säännöllisiä lausekkeita saadaksenne automatisoidun asiakirjankäsittelyn edut käyttöönne. Tämä koskee erityisesti kaikkien toimialojen yritysten asiakirjoja.
Esittelemme tarkkoja esimerkkejä säännöllisistä lausekkeista ja selitämme vaihe vaiheelta, mitä ne tarkoittavat ja miten myös Te voitte käyttää niitä.
Näin voitte tehostaa toimintaanne, vähentää inhimillisiä virheitä suuremman tarkkuuden ansiosta, alentaa nykyisiä kustannuksianne, säilyttää tietojen eheyden ja parantaa tietoturvaa.
Tämä artikkeli jatkaa älykästä asiakirjankäsittelyä käsittelevää ensimmäistä osaa, tästä pääsette suoraan artikkeliin.
Tiettyjen tietoelementtien poimiminen asiakirjoista voi olla erittäin kallis ja aikaa vievä tehtävä. Usein asiakirjojen skannaukset lähetetään suurille ulkoistetuille tiedontallennusyrityksille, joissa tiedot syötetään käsin.
Tähän lähestymistapaan liittyy kuitenkin useita haittoja:
- Asiakirjojen turvallisuus voi vaarantua
- Työnkulkuprosessit viivästyvät
- Automaattiseen poimintaan verrattuna manuaalinen indeksointi on hidas prosessi
- Manuaalista indeksointia on vaikea skaalata suurissa projekteissa
- Manuaalinen indeksointi voi aiheuttaa virheitä tietoihin
- Jos asiakirjaa muutetaan, koko prosessi alkaa alusta
Ja monia muita.
Vaikka skannaus on yleistynyt, suuri osa liiketoimista perustuu edelleen paperiasiakirjoihin. Monet laskut saapuvat edelleen paperilla tai PDF-tiedostoina, joiden tiedot on ensin luettava.
Lisäksi on vuorittain olemassa olevaa paperia, joka on säilytettävä valtavissa varastoissa!
Mikä on säännöllinen lauseke?
Säännölliset lausekkeet, jotka tunnetaan myös nimellä "Regex", ovat tehokas työkalu tekstien etsimiseen ja muokkaamiseen. Niiden avulla teksteistä voidaan tunnistaa ja käsitellä monimutkaisia kuvioita.
Säännöllinen lauseke koostuu tavallisista kirjaimista ja erityisistä metamerkeistä, joilla on tiettyjä toimintoja.
Säännöllisiä lausekkeita voidaan käyttää myös tekstin korvaamiseen tai muokkaamiseen. Esimerkiksi säännöllinen lauseke voi muuttaa kaikkien tekstissä olevien päivämäärien muodon yhdenmukaiseksi.
Ne ovat erittäin tehokas työkalu tekstinkäsittelyyn ja tehtävien automatisointiin.
Miten säännölliset lausekkeet voivat auttaa yrityksen automatisoinnissa?
Digitaalisten asiakirjojen määrän kasvu, eri asiakirjatyypit, erilaiset nimeämiskäytännöt ja riittävän hakujärjestelmän puute vaikeuttavat hakua sekä tietyn sisällön lukemista asiakirjoista; erityisesti luokittelemattomien asiakirjojen kohdalla haku on epätarkkaa ja kestää kauan.
Säännölliset lausekkeet (Regex) tarjoavat nopean ja tehokkaan tavan etsiä, poimia ja korvata tiettyjä tietoja asiakirjoista. Säännölliset lausekkeet ovat periaatteessa erityisiä tekstijonoja, joilla kuvataan hakukuvioita.
Näin asiakirjan sisällöstä haetaan ja luetaan ennalta määritetty merkkijono. Säännölliset lausekkeet ovat tapa määritellä tiedoissa olevia kuvioita erikoismerkkien avulla.
Regex-menetelmä soveltuu parhaiten sellaisiin asiakirjoihin, joissa haettavien arvojen sijainnit voivat vaihdella ja yksinkertaiset asiakirjamallit eivät toimi.
Säännölliset lausekkeet tunnistavat muodot, konteksti antaa merkityksen. Siksi PaperOffice AI lukee kentät tekoälyn avulla asiakirjan kontekstista ilman mallikoulutusta ja käyttää säännöllisiä lausekkeita tarkistussääntönä. Lisätietoja löytyy sivultamme Älykäs asiakirjankäsittely (IDP).
Miten säännöllisiä lausekkeita rakennetaan?
Säännöllisiä lausekkeita voidaan rakentaa eri tavoin sen mukaan, millaista kuviota etsitään.
Käyttäkää metamerkkejä, kuten ., *, +, ?, ^, $, [] ja [a-z], kuvaamaan tietyntyyppisiä merkkejä tai kuvioita.
Valinnaiset osat: Käyttäkää kysymysmerkkiä (?) tai tähteä (*), jotta kuvion osista tulee valinnaisia.
Ryhmät: Käyttäkää kaarisulkeita kuvion osien ryhmittelemiseen ja niiden käsittelemiseen yhtenä yksikkönä.
On tärkeää huomata, että säännöllisten lausekkeiden säännöt voivat vaihdella ohjelmointikielen mukaan. Siksi on tärkeää lukea käytettävien työkalujen dokumentaatio. Yleisiä variantteja ovat esimerkiksi ECMAScript (JavaScript) ja PCRE2.
Vinkki
Miten luotte PaperOffice AI:ssa IDP Agentin ja määritätte sen kentät, näkyy Academymme videolla IDP Agentin luominen.
Miten tietoja poimitaan asiakirjasta REGEX:n avulla?
Käytännön esimerkit
Seuraavassa näytämme esimerkein, miten löydätte moniosaisilla säännöllisillä lausekkeilla tiettyjä tietoja asiakirjan tekstistä. PaperOffice AI:ssa tallennatte tällaiset lausekkeet kentän malliksi: IDP Agent tarkistaa luetun arvon mallia vasten, ja arvot, jotka eivät vastaa mallia, voidaan ohjata automaattisesti ihmisen tarkistettaviksi (Human-in-the-Loop).
Alla olemme luoneet esimerkkiasiakirjan, jossa on tietty päivämäärä. Asiakirja on lasku. Asiakirjamme päivämäärä on muotoiltu seuraavasti:

Kuukausi kirjaimin, jolloin ensimmäinen kirjain on aina iso, sen jälkeen välilyönti, sitten päivä ja pilkku, toinen välilyönti ja lopuksi vuosi.
Esimerkiksi: Sep 20, 2019 tai Mär 05, 2022
Tämän päivämäärän poimimiseksi voidaan käyttää seuraavaa säännöllistä lauseketta (REGEX):
([A-Z][a-zä]{2})\s(0[1-9]|[12][0-9]|3[01]),\s(20\d{2})
Puretaan lauseke yksittäisiin ryhmiin. Ryhmät erotetaan toisistaan kaarisulkeilla ().
Ensimmäisessä ryhmässä etsitään kuukauden kolmea kirjainta: ([A-Z][a-zä]{2})
([A-Z][a-zä]{2})\s(0[1-9]|[12][0-9]|3[01]),\s(20\d{2})
Kuukauden poimiminen
- [A-Z] Tämä merkkijono tarkoittaa, että etsitään isoa kirjainta väliltä A–Z. Esimerkiksi kirjain „S“ sanasta Sept. Huomioitavaa on, että isot ja pienet kirjaimet käsitellään erikseen.
- [a-zä]{2} Tämä merkkijono tarkoittaa, että etsimme kahta pientä kirjainta väliltä a–z sekä ä-kirjainta (saksankielisen kuukauden nimen „März“ vuoksi). Tällaisia ovat ep sanasta „Sep“ tai är saksan sanasta „Mär“.
Sitten etsitään välilyöntiä seuraavalla merkkijonolla: \s
([A-Z][a-zä]{2})\s(0[1-9]|[12][0-9]|3[01]),\s(20\d{2})
Päivän poimiminen
Toisessa ryhmässä etsitään päivän numeroa: (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})
Päivän ilmaisu on jaettava kolmeen eri ohjeeseen.
Koska ei tiedetä, mikä päivämäärä asiakirjassa voi esiintyä – se voi olla kuukauden ensimmäinen päivä (01) tai myös kuukauden viimeinen päivä (31) – on määritettävä vastaavasti eri vaihtoehdot.
Nämä erotetaan merkillä „|“.
Esimerkki: (1|2|3) = 1 tai 2 tai 3.
Hakasulkeissa luetellaan sallitut merkit. Useat hakasulkeet vastaavat useita merkkejä. Jos lausekkeen on kuvattava useita merkkejä, ne kirjoitetaan yksinkertaisesti peräkkäin. Tällöin syötettä verrataan lausekkeeseenne vasemmalta oikealle.
Luonnollisesti kaikkia numeroita ei tarvitse aina luetella. Koko hakasulkeissa oleva lauseke edustaa kuitenkin vain yhtä merkkiä.
- 0[1-9] Tämä merkkijono tarkoittaa, että numero voi alkaa numerolla „0“, jota seuraa numero väliltä 1–9. Saadaan mikä tahansa numero väliltä 01–09.
- Merkkijono etsii numerokuviota, joka alkaa nollalla. Jos asiakirjassanne on yleensä päivämäärä muodossa „5. maaliskuuta 2022“ eli ilman nollaa luvun „5“ edessä, merkkijonosta jätetään „0“ pois.
- [12][0-9] Tämä merkkijono tarkoittaa, että numero voi alkaa numerolla „1“ tai „2“, jota seuraa mikä tahansa numero väliltä 0–9. Tuloksena voi olla mikä tahansa numero väliltä 10–29.
- 3[01] Tämä merkkijono tarkoittaa, että numero voisi alkaa numerolla „3“, jota seuraa joko „0“ tai „1“. Tuloksena voisi olla 30 tai 31.
Kun päivän vaihtoehdot on määritelty, määritetään vuoden lauseke.
Nyt etsitään pilkkua ja välilyöntiä: ,\s
([A-Z][a-zä]{2})\s(0[1-9]|[12][0-9]|3[01]),\s(20\d{2})
Vuoden poimiminen
Viimeisessä ryhmässä etsitään vuotta: (20\d{2})
([A-Z][a-zä]{2})\s(0[1-9]|[12][0-9]|3[01]),\s(20\d{2})
Aloitetaan etsimällä mikä tahansa vuosi, mutta tiedetään, että sen on oltava ≥ 2000.
- 20 Tämä merkkijono tarkoittaa, että etsitään mitä tahansa vuotta, joka alkaa tarkalleen luvulla 20.
- \d{2} Tämä merkkijono tarkoittaa, että etsimme mahdollista kaksinumeroista lukua, eli välillä "00"–"99".
Merkki \d tarkoittaa esimerkiksi numeroa 0–9, ja merkki \d{2} puolestaan etsii kaksinumeroista lukua.
Kun säännöllistä lauseketta sovelletaan esimerkkiasiakirjamme tekstiin, lopputuloksena saadaan päivämäärä "Sep 20, 2019".
Näin mikä tahansa päivämäärä voidaan lukea asiakirjasta ilman, että alkuperäistä arvoa tarvitsee tietää. Ryhmiä voidaan myös käyttää muualla ja siirtää vapaasti muiden päivämäärämuotojen lukemiseksi.
Tästä toinen esimerkki:

Päivämäärä alkaa päivästä, jota seuraa kuukausi kirjaimin siten, että ensimmäinen kirjain on aina iso; sen jälkeen tulee piste, toinen välilyönti ja lopuksi vuosi.
Tämän päivämäärän poimimiseksi voidaan käyttää äsken kuvattua säännöllistä lauseketta (REGEX) täydennettynä, koska toisessa esimerkissä kuukauden jälkeen tulee „piste“.
Se voidaan merkitä seuraavalla merkkijonolla: \.
Täydellinen lauseke näyttää siis seuraavalta:
(0[1-9]|[12][0-9]|3[01])\s([A-Z][a-zä]{2})\.\s(20\d{2})
Voitte milloin tahansa tarkistaa luomanne regexin liittämällä sen yhdessä tekstinne kanssa sivulle https://regex101.com. Regex101 ei ainoastaan tarkista, onko regexinne oikein, vaan myös selittää säännöllisen lausekkeen pitkälti.
Näin voitte käyttää eri merkkiryhmiä mihin tahansa.
Tilausnumeron lukeminen REGEX:n avulla
Toisena esimerkkinä haluamme lukea asiakirjasta tilausnumeron.

Asiakirjamme tilausnumero on muotoiltu seuraavasti:
Se alkaa aina isoilla kirjaimilla XYB, jonka jälkeen tulee yhdysviiva, 8 numeroa, toinen yhdysviiva ja lopuksi 3 satunnaista isoa kirjainta.
Esimerkkejä tilausnumeroista olisivat:
XYB-12316723-LSH
XYB-98456723-JRD
Tämän tilausnumeron poimimiseen voidaan käyttää seuraavaa säännöllistä lauseketta:
XYB-\d{8}-[A-Z]{3}
Puretaan lauseke osiin yksi kerrallaan.
Ensin etsitään tarkalleen ensimmäiset 3 isoa kirjainta yhdysviivan kanssa: XYB-
XYB-\d{8}-[A-Z]{3}
Sen jälkeen etsitään 8 numeroa, joita seuraa toinen yhdysviiva: \d{8}-
XYB-\d{8}-[A-Z]{3}
Merkki \d tarkoittaa, kuten jo kuvattiin, numeroa 0–9, ja merkki \d{8} puolestaan etsii kahdeksannumeroista lukua.
Lopuksi etsitään kolmea mitä tahansa isoa kirjainta: [A-Z]{3}
XYB-\d{8}-[A-Z]{3}
Näin säännöllinen lauseke seuraavista tilausnumeroista:
XYB-12316723-LSH
XYB-98456723-JRD
XYB-975432671829
ZYB-12342176-ZHD
ensimmäiset kaksi XYB-12316723-LSH ja XYB-98456723-JRD
tunnistaisi.
Tähän esimerkkiin olemme valmistelleet linkin Regex101:een, jossa äsken kuvattu säännöllinen lauseke esitetään 4 esimerkin kanssa. Näette, että vain kaksi annetuista tilausnumeroista vastaa vaatimuksiamme.
Tuotekoodien lukeminen REGEX:n avulla
Asiakirjamme tuotekoodi on muotoiltu seuraavasti:
Se alkaa aina kahdella isolla kirjaimella, jonka jälkeen tulee yhdysviiva ja sen jälkeen 6 numeroa.

Esimerkkejä tuotekoodeista ovat:
MS-863398
DS-452829
Näiden tuotekoodien poimimiseksi voidaan käyttää seuraavaa säännöllistä lauseketta:
[A-Z]{2}-\d{6}
PaperOffice AI digitalisoi asiakirjanne ja liittää ne järjestelmiinne API:n, MCP:n ja Connectors-liitäntöjen kautta. Näin automatisoitte tietojen poiminnan laskuista ja muista asiakirjoista tekoälyn avulla ilman, että jokaiselle muodolle täytyy kirjoittaa ja sen jälkeen ylläpitää omia lausekkeita.
Ottakaa yhteyttä, niin keskustellaan käyttötapauksistanne ja kerromme lisää siitä, miten PaperOffice AI voi auttaa Teitä olemaan entistäkin kilpailukykyisempiä digitaalisella aikakaudella.
Aloittaminen on helpompaa kuin luulette.
Epäilettekö yhä, ettette onnistu? Lukekaa asiakkaidemme tapaustutkimukset ja vakuuttukaa itse helppoudesta – tai testatkaa PaperOffice AI:ta ilmaisella tilillä suoraan selaimessa: Testaa live-tilassa.
Kenelle paperiton toimisto sopii?
Nopea ja yksinkertainen vastaus kysymykseen on: jokaiselle yritykselle. Paperittomasta toimistosta hyötyvät kaikki toimialat ja kokoluokat, pk-yrityksistä ja startupeista suuryrityksiin. Erityisen arvokas siirtymä on kuitenkin pienille ja keskisuurille yrityksille: Kun käsittelytyötä ja kustannuksia vähennetään, vapautuu tarvittavaa budjettia uusille kasvun vauhdittajille.
Voiko yrityksen paperittomassa toimistossa käyttää pilvipohjaista DMS-palveluntarjoajaa?
Kyllä – jos palveluntarjoaja käsittelee asiakirjanne EU:ssa ja tekee kanssanne tietojenkäsittelysopimuksen GDPR:n 28 artiklan mukaisesti. Viimeistään siitä lähtien, kun GDPR tuli voimaan vuonna 2018, tietosuoja on ollut kaikkien huulilla: DMS-ratkaisut käsittelevät, hallinnoivat ja tallentavat asiakirjoja, jotka sisältävät usein arkaluonteisia henkilötietoja, ja lainsäätäjä on säätänyt GDPR:n rikkomisesta korkeat sakot. PaperOffice AI käsittelee asiakirjanne omassa datakeskuksessaan Espanjassa (EU); tiedostonne voivat samalla pysyä omassa tallennustilassanne (Bring Your Own Storage). Täysin paikallisesti työskentelevät käyttävät PaperOffice Classic -ohjelmaa.
-
Edut oikeuttavat vaivan ja kustannukset
Digitaalinen työskentely ja vanhojen asiakirjojen tuominen uuteen aikaan on paras avaininvestointi, joka säästää tulevaisuudessa uskomattoman paljon aikaa, rahaa ja hermoja. -
Tarvitsette jonkun, joka tuntee asian
Ette tarvitse omaa IT-asiantuntijaa hyödyntääksenne kaikki digitalisaation edut.
Tarvitsette rinnallenne oikean kumppanin, joka kokemuksensa ansiosta pystyy toteuttamaan juuri sen, mitä tarvitsette. Välttäkää pelottelijoita ja valitkaa koekäyttö näyttävien PowerPoint-esitysten sijaan, joiden takana ei ole todellista testausta. -
Laitteisto on yleensä jo olemassa
Kokemuksen mukaan lähes jokaisella liikkeellä, yrityksellä ja organisaatiolla on suurkopiokone, jonka mahdollisuuksia ei hyödynnetä täysin. Nämä laitteet rakastavat massaskannausta, sietävät paperiliittimiä ja voivat olla digitaalisen alun perusta ilman skanneri-investointia. -
Odotettua edullisempi oikealla DMS-järjestelmällä
Välttäkää DMS-/ECM-järjestelmien kustannusloukkuja, joissa olette täysin valmistajien armoilla. Älkää tehkö kompromisseja omien hallintamahdollisuuksien suhteen, kuten asiakirjatyyppien määrittämisessä ja asetusten tekemisessä itse. Jos tarvitsette apua, valmistaja auttaa mielellään, mutta pysykää itsenäisinä ja riippumattomina. -
Digitaalinen automatisointi on tulevaisuutta
Tulevaisuudessa prosessit kulkevat täsmälleen samoin, mutta täysin automatisoidusti.
Lasku saapuu? Työnkulku käynnistyy, ja kaikki etenee kerran määritettyä reittiään.
Kaikkien 1000 mapin läpikäynti? Ei ongelmaa, sillä Teillä on oma Google!
