Pašreizējā rakstā mēs parādām, kā var izmantot regulārās izteiksmes, lai gūtu labumu no automatizēta dokumentu apstrādes. Tas attiecas jo īpaši uz dokumentiem no uzņēmumiem jebkurā nozarē.
Mēs parādām precīzus regulāro izteiksmju piemērus un soli pa solim skaidrojam, ko tie nozīmē un kā jūs tos varat izmantot.
Tādējādi jūs varat palielināt savu darbības efektivitāti, samazināt cilvēka kļūdas, palielinot precizitāti, pazemināt pašreizējās izmaksas, saglabāt datu integritāti un uzlabot datu drošību.
Pašreizējais raksts paplašina pirmo daļu par inteliģento dokumentu apstrādi,šeit jūs tieši aizvedīs pie raksta.
Konkrētu datu elementu iegūšana no dokumentiem var būt ārkārtīgi dārga un laikietilpīga uzdevuma. Bieži vien dokumentu skenējumi tiek nosūtīti lielām ārpusuzņēmuma datu ievades kompānijām, kur datus ievada manuāli.
Tomēr šai pieejai ir vairāki trūkumi, kā norādīts tālāk:
- Tas var apdraudēt dokumentu drošību
- Darba plūsmas procesos tiek ieviesta aizkave
- Salīdzinot ar automatizētu iegūšanu, manuālā indeksēšana ir lēns process
- Manuālā indeksēšana slikti mērogojas lielās projektos
- Manuālā indeksēšana var ieviest kļūdas datos
- Ja dokuments tiek mainīts, viss process sākas no jauna
Un daudz kas cits.
Neskatoties uz skenēšanas izplatību, liela daļa uzņēmējdarbības transakciju joprojām balstās uz papīra dokumentiem. Tiek lēsts, ka 85% rēķinu joprojām tiek izsniegti papīra formātā.
Turklāt pastāv milzīgi eksistējošā papīra apjomi, kas jāglabā lielās noliktavās!
Kas ir regulārā izteiksme?
Regulārās izteiksmes, ko arī dēvē par "REGEX", ir jaudīgs rīks teksta meklēšanai un manipulācijai ar to. Tās ļauj atpazīt un rediģēt sarežģītus rakstus tekstā.
Regulārā izteiksme sastāv no parasto burtu un īpašo metaharakteru kombinācijas, kuriem ir specifiskas funkcijas.
Regulārās izteiksmes var arī izmantot teksta aizvietošanai vai manipulācijai ar to. Piemēram, regulārā izteiksme var tikt izmantota.
Tās ir ļoti jaudīgs rīks vārdu apstrādei un uzdevumu automatizācijai.
Kā regulārās izteiksmes var palīdzēt automatizēt uzņēmējdarbību?
Dažādu veidu digitālo dokumentu pieaugums, atšķirīgi nosaukumu noteikumi un nepietiekama meklēšanas sistēma sarežģī meklēšanas procesu un informācijas iegūšanu no dokumentiem, it īpaši, ja runa ir par neklasificētiem dokumentiem; meklēšana kļūst neprecīza un ilga.
Regulārās izteiksmes (regex) nodrošina ātru un jaudīgu veidu, kā atrast, iegūt un aizvietot konkrētus datus dokumentos. Regulārās izteiksmes būtībā ir īpašs teksta virknes veids, ko izmanto, lai aprakstītu meklēšanas rakstu.
Šādi tiek meklēts un nolasīts dokumenta saturs, meklējot norādītu rakstzīmju virkni. Regulārās izteiksmes ir veids, kā definēt informācijas patternus, izmantojot īpašas simbolikas.
Regex metode ir vispiemērotākā dokumentiem, kuros vērtību pozīcijas var mainīties un vienkārši dokumentu veidnes nestrādā.
Vienkāršu izteiksmju sarakstu varat atrast mūsu ComDesk.
Kā es varu izveidot regulārās izteiksmes?
Regulārās izteiksmes var sastādīt dažādos veidos, atkarībā no tā, kādu patternu meklē.
Izmantojiet metaharakterus, piemēram ., *, +, ?, ^, $, [], un [a-z], lai attēlotu konkrētus rakstzīmju tipus vai patternus.
Izmantojiet opcionalās daļas: Izmantojiet jautājuma zīmi (?) vai zvaigznīti (*), lai padarītu patterna daļas opcionālas.
Izmantojiet grupas: Izmantojiet iekavas, lai grupētu patterna daļas un apstrādātu tās kā vienību.
Ir svarīgi atzīmēt, ka regulāro izteiksmju noteikumi var atšķirties atkarībā no programmēšanas valodas. Tāpēc ir svarīgi izlasīt izmantoto rīku dokumentāciju. PaperOffice paredzētajai RegEx ir jābūt saderīgai ar ECMAScript un PCRE2.
Padoms
Ir arī video YouTube par tēmu "Automatizēta dokumentu GLABĀŠANA 3. daļa / REGEX & Mainīgie / Faktūras apstrādes dokumentu vadība", kurš skaidri un saprotami izskaidro šo procesu:
Kā es varu iegūt informāciju no sava dokumenta, izmantojot REGEX?
Praktiski piemēri
Pašreizējā rakstā mēs demonstrējam, kā, izmantojot PaperOffice daudzelementu regulārās izteiksmes, var iegūt jebkādus datus no dokumenta un automātiski saglabāt tos kā dokumenta atslēgvārdu.
Zemāk ir izveidots paraugdokuments ar konkrētu datumu. Šis dokuments ir rēķins. Datuma formāts mūsu dokumentā ir šāds:
Mēnesis, kas sastāv no burtiem, bet pirmais burts vienmēr ir liels, tam seko atstarpe, tad diena ar komatu, vēl viena atstarpe un tad gads.
Piemēram: 2019. gada 20. septembris vai 2022. gada 5. marts
Lai iegūtu šo datumu, varam izmantot šādu regulāro izteiksmi (REGEX):
([A-Z][a-z]{2})\s(0[1-9]|[12][0-9]|3[01]),\s(20\d{2})
Sadalīsim izteiksmi atsevišķās grupās. Šīs grupas ir atdalītas ar vienām iekavām ().
Pirmajā grupā mēs meklējam 3 mēneša burtus: ([A-Z][a-z]{2})
([A-Z][a-z]{2})\s(0[1-9]|[12][0-9]|3[01]),\s (20\d{2})
Iegūt mēnesi
- [A-Z] Šī virkne nozīmē, ka mēs meklējam lielo burtu no A līdz Z. Piemēram, burts "S" no Sept. Jāatzīmē, ka lielie un mazie burti tiek apstrādāti atsevišķi.
- [a-z]{2} Šī virkne nozīmē, ka mēs meklējam divus mazos burtus no a līdz z. Tas būtu ep no "Sep".
Tad mēs meklējam atstarpi ar šādu virkni: \s
([A-Z][a-z]{2})(0[1-9]|[12][0-9]|3[01]), (20\d{2})
Iegūt datumu
Otrajā grupā meklējiet dienas apzīmējumu ciparos: (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})
Dienai jābūt atdalītai ar trim dažādām apgalvojumiem.
Tā kā mēs nezina, kāds datums var parādīties dokumentā, tas var būt pirmais diena (01) vai pēdējā diena (31) mēneša, tāpēc jums ir attiecīgi dažādas opcijas ir nosauktas.
Tās atdala ar rakstzīmi "|".
Piemērs: (1|2|3) = 1 vai 2 vai 3.
Atļauto rakstzīmju saraksts seko kvadrātiekavās. Vairākas kvadrātkavas atbilst vairākām rakstzīmēm. Ja izteiksmei ir jāapraksta vairākas rakstzīmes, tās vienkārši tiek pievienotas viena pēc otras. Tad ievade tiek salīdzināta ar jūsu izteiksmi no kreisās uz labo pusi.
Protams, ne visiem cipariem nav jābūt uzskaitītiem. Kopumā tomēr visa iekavotā izteiksme nozīmē tikai vienu rakstzīmi.
-
0[1-9]Šī virkne nozīmē, ka skaitlis var sākties ar "0", kam seko cipars no 1 līdz 9. Tādējādi mēs iegūstam jebkuru skaitli no 01 līdz 09.
Virkne meklē ciparu rakstu, kas sākas ar nulli. Ja jūsu dokumentā parasti ir datums "5. marts 2022", t.i., bez cipara "0" pirms cipara "5", kvadrātkavās esošais "0" tiek izlaists.
- [12][0-9]Šī rakstzīmju virkne nozīmē, ka skaitlis var sākties ar "1" vai "2", kam seko jebkurš cipars no 0 līdz 9. Rezultātā var iegūt jebkuru skaitli no 10 līdz 29.
- 3[01]Šī virkne nozīmē, ka skaitlis var sākties ar "3", kam seko "0" vai "1". Rezultātā var iegūt 30 vai 31.
Kad ir definētas dienas opcijas, ir jānosaka gada izteiksme.
Tagad meklējam komatu un atstarpi: ,\s
([A-Z][a-z]{2})\s(0[1-9]|[12][0-9]|3[01]),\s (20\d{2})
Iegūt gadu
Pēdējā grupā meklējam gadu: (20\d{2})
([A-Z][a-z]{2})\s(0[1-9]|[12][0-9]|3[01]),\s(20\d{2})
Sākam meklēt jebkuru gadu, bet zinām, ka tas būs ≥ 2000.
- 20Šī virkne nozīmē, ka mēs meklējam jebkuru gadu, kas sākas tieši ar 20.
- \d{2}Šī virkne nozīmē, ka mēs meklējam iespējamo divciparu skaitli, t.i., no "00" līdz "99".
Piemēram, rakstzīme \d atbilst ciparam no 0 līdz 9, bet rakstzīme \d{2} atbilst divciparu skaitlim.
Ja regulārā izteiksme tiek izmantota PaperOffice, gala rezultāts ir datums "Sep 20, 2019".
Tādējādi no dokumenta var nolasīt jebkuru datumu, nezinot sākotnējo vērtību. Šīs grupas var izmantot arī citur un brīvi pārvietot, lai nolasītu citus datumu formātus.
Šeit ir vēl viens piemērs:
Datums sākas ar dienu, pēc tam seko mēnesis, kas sastāv no burtiem, bet pirmais burts vienmēr ir liels, kamēr seko punkts, vēl viens atstarpes un tad gads.
Lai iegūtu šo datumu, var izmantot iepriekš aprakstīto regulāro izteiksmi (REGEX) ar papildinājumu, jo otrajā piemērā pēc mēneša ir dots "punkts".
To var norādīt ar šādu rakstzīmju virkni: \.
Tātad pilnā izteiksme izskatās šādi:
(0[1-9]|[12][0-9]|3[01])\s([A-Z][a-z]{2})\.\s(20\d{2})
Jūs vienmēr varat validēt savu izveidoto regex, dodoties uz https://regex101.com lapu, lai to validētu kopā ar jūsu ievietoto tekstu. Regex101 ne tikai pārbaudīs, vai jūsu regex ir pareizs, bet arī paskaidros lielāko daļu regulārās izteiksmes jums.
Un tā jūs varat izmantot dažādas rakstzīmju kopas jebkurai lietai.
Pasūtījuma numura lasīšana, pateicoties REGEX
Kā otru piemēru mēs vēlamies nolasīt pasūtījuma numuru no dokumenta.
Mūsu dokumentā pasūtījuma numurs ir formatēts šādi:
Tas vienmēr sākas ar lielajiem burtiem XYB, kamēr seko domkrusts, kamēr seko 8 cipari, vēl viens domkrusts un visbeidzot 3 nejauši lieli burti.
Pasūtījuma numuru piemēri būtu:
XYB-12316723-LSH
XYB-98456723-JRD
Lai iegūtu šo pasūtījuma numuru, mēs varam izmantot šādu regulāro izteiksmi:
XYB-\d{8}-[A-Z]{3}
Sadalīsim izteiksmi pa vienam.
Vispirms meklējam tieši pirmos 3 lielburtus ar domuzīmi: XYB-
XYB\d{8}-[A-Z]{3}
Pēc tam meklējam 8 ciparus, kam seko atkāpe: \d{8}-
XYB-\d{8}-[A-Z]{3}
The \d simbols, kā iepriekš aprakstīts, atbilst ciparam no 0 līdz 9, bet \d{8} simbols atbilst astoņciparu skaitam.
Un visbeidzot mēs meklējam jebkurus 3 lielburus: [A-Z]{3}
XYB-\d{8}-[A-Z]{3}
Tā PaperOffice izskatītos šādas pasūtījumu numurus:
XYB-12316723-LSH
XYB-98456723-JRD
XYB-975432671829
ZYB-12342176-ZHD
pirms divi XYB-12316723-LSH un XYB-98456723-JRD
atzīt.
Mēs esam sagatavojuši saiti uz Regex101 šim piemēram, kurā ir norādīts iepriekš aprakstītais regulārais izteiciens ar 4 piemēriem. Jūs varat redzēt, ka tikai divi no dotajiem pasūtījumu numuriem atbilst mūsu prasībām.
Lasīt preces numurus, pateicoties REGEX
Preces numurs mūsu dokumentā ir formatēts šādi:
Tas vienmēr sākas ar diviem lielburu burtiem, kam seko atkāpe, tad 6 cipari.
Preces numuru piemēri būtu:
MS-863398
DS-452829
Lai iegūtu šos preces numurus, mēs varam izmantot šādu regulāro izteiksmi:
[A-Z]{2}-\d{6}
PaperOffice var digitalizēt jūsu dokumentus un integrēties ar jūsu sistēmām, lai automatizētu datu iegūšanu no rēķiniem un citiem dokumentiem, bez nepieciešamības rakstīt un uzturēt daudz koda.
Sazinieties ar mums, lai apspriestu jūsu lietojuma gadījumus un uzzinātu vairāk par to, kā PaperOffice var palīdzēt jums kļūt konkurētspējīgākiem digitālajā laikmetā.
Sākt ir vieglāk, nek jūs domājat.
Vai jūs joprojām uztraucaties par neveiksmi? Izlasiet mūsu klientu gadījumu pētījumus par PaperOffice integrāciju jūsu uzņēmuma dzīvē un pārliecinieties par vienkāršību vai vienkārši pieteicieties testēšanas instalācijai.
Who is a paperless office suitable for?
Kam piemērota bezpapīra biroja pieeja?
Vai es varu izmantot mākoņbāzētu DMS pakalpojumu sniedzēju savam bezpapīra birojam?
Nr. Cits faktors, kas kopš vismaz 2018. gada, kad stājās spēkā Vispārīgā datu aizsardzības regula (GDPR), ir bijis visiem uz lūpām, ir datu aizsardzība. Dokumentu pārvaldības sistēmu (DMS) risinājumi un programmatūra tiek izmantoti dokumentu apstrādei, pārvaldībai un glabāšanai, kas bieži satur jutīgus personas datus. Pārkāpjot GDPR, likumdevējs paredz augstas naudas sodas.
-
Priekšrocības attaisno pūles un izmaksas
Darbošanās digitāli un veco dokumentu ieviešana jaunajā ērā būs vislabākā investīcija, lai nākotnē ietaupītu neticami daudz laika, naudas un nervu. -
Jums ir nepieciešams kāds, kas zina
Lai gūtu labumu no visām digitalizācijas priekšrocībām, jums nav nepieciešams savs IT speciālists.
Jums ir nepieciešams pareizais partneris blakus, kurš pateicoties savai pieredzei var precīzi īstenot to, kas jums vajadzīgs. Izvairieties no šausmu stāstiem un dodiet priekšroku testēšanas pozīcijām nevis greznām PowerPoint prezentācijām, kas nav reāli pārbaudītas. -
Aparatūra parasti jau ir pieejama
Pieredze ir rādījusi, ka gandrīz katram uzņēmumam ir liels kopētājs, kas neizmanto savu potenciālu. Šīs ierīces mīl masveida skenēšanu, ir tolerantas pret klipsiem un var kļūt par digitālā sākuma pamatu bez skenera iegādes. -
Lētāk nekā gaidīts ar pareizo DMS
Izvairieties no izmaksu slazdiem DMS / ECM sistēmās, kur jūs esat bezžēlīgi ražotāju varā. Nedarīt kompromisus attiecībā uz jūsu paša administrēšanas iespējām, piemēram, dokumentu ievietošanu un iestatījumu veikšanu pašiem. Ja jums ir nepieciešama palīdzība, ražotājs ar prieku jums palīdzēs, bet saglabājiet neatkarību. -
Digitālā automatizācija ir nākotne
Procedūras nākotnē būs pilnīgi identiskas, bet pilnībā automatizētas.
Faktūra ienāk? Darbplūsmas process tiek aktivizēts un viss notiek saskaņā ar definēto ceļu.
Meklēt visās 1000 mapēs? Nav problēmu, jo jums ir savs Google!
