I den aktuella artikeln visar vi hur reguljära uttryck kan användas för att dra nytta av automatiserad dokumenthantering. Detta gäller särskilt dokument från företag inom alla branscher.
Vi visar exakta exempel på reguljära uttryck och förklarar steg för steg vad de betyder och hur de kan användas i praktiken.
På så sätt kan företaget öka sin operativa effektivitet, minska mänskliga fel genom högre noggrannhet, sänka sina nuvarande kostnader, bevara dataintegriteten och förbättra datasäkerheten.
Den aktuella artikeln bygger vidare på den första delen om intelligent dokumenthantering, här går det direkt till artikeln.
Att extrahera specifika dataelement från dokument kan vara en ytterst kostsam och tidskrävande uppgift. Ofta skickas skanningar av dokument till stora outsourcingföretag för datainsamling, där uppgifterna matas in manuellt.
Det finns dock flera nackdelar med detta tillvägagångssätt, enligt följande:
- Dokumentsäkerheten kan därigenom äventyras
- En fördröjning införs i arbetsflödesprocesser
- Jämfört med automatiserad extraktion är manuell indexering en långsam process
- Manuell indexering är svår att skala upp vid stora projekt
- Manuell indexering kan potentiellt föra in fel i uppgifterna
- Om ett dokument ändras måste hela processen inledas på nytt
Och många fler.
Trots utbredningen av skanning baseras en stor del av affärstransaktionerna fortfarande på pappersdokument. Många fakturor levereras fortfarande på papper eller som PDF, vars data måste extraheras först.
Dessutom finns det stora mängder papper som måste förvaras i enorma lager!
Vad är ett reguljärt uttryck?
Reguljära uttryck, även kända som "Regex", är ett kraftfullt verktyg för att söka i och manipulera texter. De gör det möjligt att identifiera och bearbeta komplexa mönster i texter.
Ett reguljärt uttryck består av en kombination av vanliga bokstäver och specialtecken (metatecken) som har specifika funktioner.
Reguljära uttryck kan även användas för att ersätta eller manipulera text. Ett exempel är att omvandla alla datum i en text till ett enhetligt format.
Dessa utgör ett mycket kraftfullt verktyg för textbearbetning och automatisering av arbetsuppgifter.
Hur kan reguljära uttryck bidra till att automatisera ett företags processer?
Ökningen av digitala dokument av olika typer, med olika namngivningsregler och utan ett tillräckligt söksystem försvårar både sökningen och utläsningen av dokumentinformation med visst innehåll. Särskilt när det gäller oklassificerade dokument blir sökningen oprecis och tar lång tid.
Reguljära uttryck (Regex) erbjuder en snabb och effektiv metod för att söka, extrahera och ersätta specifik data i dokument. I grunden är reguljära uttryck specialiserade textsträngar som beskriver ett sökmönster.
På så sätt genomsöks dokumentinnehållet efter en angiven teckensträng, som sedan läses ut. Reguljära uttryck är ett sätt att definiera mönster i information med hjälp av specialtecken.
Metoden med reguljära uttryck passar bäst för dokument där positionerna för de värden som ska läsas av kan variera, och där enkla dokumentmallar inte räcker till.
Reguljära uttryck identifierar format, medan kontext ger betydelse. PaperOffice AI läser därför ut fält med hjälp av AI direkt från dokumentets kontext, utan mallträning, och använder reguljära uttryck som valideringsregel. Läs mer på vår sida Intelligent dokumenthantering (IDP).
Hur bygger man ihop reguljära uttryck?
Reguljära uttryck kan konstrueras på olika sätt, beroende på vilken typ av mönster som söks.
Metatecken som ., *, +, ?, ^, $, [] och [a-z] används för att representera specifika typer av tecken eller mönster.
Valfria delar: Frågetecknet (?) eller asterisken (*) används för att göra delar av mönstret valfria.
Grupper: Parenteser används för att gruppera delar av mönstret och behandla dem som en enhet.
Det är viktigt att notera att reglerna för reguljära uttryck kan variera beroende på programmeringsspråk. Därför är det viktigt att läsa dokumentationen för de verktyg som används. Vanliga varianter är till exempel ECMAScript (JavaScript) och PCRE2.
Tips
Hur en IDP Agent skapas i PaperOffice AI och hur dess fält definieras visas i videon Skapa IDP Agent i vår Academy.
Hur extraherar man information från ett dokument med REGEX?
Praktiska exempel
Nedan visar vi med exempel hur specifika data hittas i ett dokuments text med hjälp av flerdelade reguljära uttryck. I PaperOffice AI sparas sådana uttryck som mönster för ett fält: IDP Agent kontrollerar det utlästa värdet mot mönstret, och värden som inte matchar kan automatiskt skickas till en människa för granskning (Human-in-the-Loop).
Här nedan har vi skapat ett exempeldokument som innehåller ett specifikt datum. I det här fallet handlar det om en faktura. Datummönstret på vårt dokument är formaterat enligt följande:

Månad, bestående av bokstäver där den första bokstaven alltid är stor, därefter följer ett mellanslag, sedan dagen följt av ett kommatecken, ytterligare ett mellanslag och sedan året.
Till exempel: Sep 20, 2019 eller Mär 05, 2022
För att extrahera detta datum kan följande reguljära uttryck (REGEX) användas:
([A-Z][a-zä]{2})\s(0[1-9]|[12][0-9]|3[01]),\s(20\d{2})
Låt oss bryta ner uttrycket i enskilda grupper. Grupperna avgränsas av vanliga parenteser ().
I den första gruppen söker vi efter månadens tre bokstäver: ([A-Z][a-zä]{2})
([A-Z][a-zä]{2})\s(0[1-9]|[12][0-9]|3[01]),\s(20\d{2})
Extrahera månadsangivelsen
- [A-Z] Denna sträng innebär att vi söker efter en stor bokstav från A-Z. Till exempel bokstaven „S“ i Sept. Observera att versaler och gemener hanteras separat.
- [a-zä]{2} Denna sträng innebär att vi söker efter två små bokstäver från a-z samt tecknet ä (för månadsnamnet på tyska „März“). Det skulle vara ep från „Sep“ eller är från det tyska „Mär“.
Sedan söker vi efter ett mellanslag med följande sträng: \s
([A-Z][a-zä]{2})\s(0[1-9]|[12][0-9]|3[01]),\s(20\d{2})
Extrahera dagsangivelsen
I den andra gruppen söker vi efter dagens beteckning i siffror: (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})
Dagsangivelsen måste delas upp i tre olika instruktioner.
Eftersom vi inte vet vilka datum som kan förekomma i dokumentet, kan det vara den första dagen (01) eller den sista dagen (31) i månaden. Därför måste olika alternativ specificeras.
Dessa separeras med tecknet „|“.
Exempel: (1|2|3) = 1 eller 2 eller 3.
I hakparenteser följer en uppräkning av tillåtna tecken. Flera hakparenteser motsvarar flera tecken. Om ett uttryck ska beskriva flera tecken placeras de helt enkelt efter varandra. Därefter jämförs inmatningen med uttrycket från vänster till höger.
Självklart behöver inte alltid alla siffror anges. Hela uttrycket inom hakparenteser står dock bara för ett enda tecken.
- 0[1-9] Denna sträng innebär att talet kan börja med en "0", följt av en siffra från 1 till 9. Vi erhåller därmed ett godtyckligt tal mellan 01 och 09.
- Strängen söker efter ett siffermönster som börjar med en nolla. Om dokumentet vanligtvis innehåller ett datum som "5 mars 2022", alltså utan att siffran "0" står framför talet "5", utelämnas "0" i strängen.
- [12][0-9] Denna sträng innebär att talet kan börja med antingen en "1" eller en "2", följt av en godtycklig siffra från 0 till 9. Som resultat kan ett godtyckligt tal mellan 10 och 29 erhållas.
- 3[01] Denna sträng innebär att ett tal kan börja med en "3", följt av antingen en "0" eller en "1". Som resultat kan talet bli 30 eller 31.
När alternativen för dagen har definierats bör uttrycket för året fastställas.
Nu söker vi efter kommat och mellanslaget: ,\s
([A-Z][a-zä]{2})\s(0[1-9]|[12][0-9]|3[01]),\s(20\d{2})
Extrahera årtalet
I den sista gruppen söker vi efter året: (20\d{2})
([A-Z][a-zä]{2})\s(0[1-9]|[12][0-9]|3[01]),\s(20\d{2})
Vi börjar med att söka efter ett godtyckligt år, men vet att det kommer att vara ≥ 2000.
- 20 Denna sträng innebär att vi söker efter ett godtyckligt år som börjar med exakt 20.
- \d{2} Denna sträng innebär att vi söker efter ett möjligt tvåsiffrigt tal, alltså från "00" till "99".
Tecknet \d står exempelvis för en siffra mellan 0 och 9, medan tecknet \d{2} söker efter ett tvåsiffrigt tal.
När det reguljära uttrycket tillämpas på texten i vårt exempeldokument blir slutresultatet datumet "Sep 20, 2019".
Således kan vilket datum som helst läsas ut ur ett dokument, utan att ursprungsvärdet behöver vara känt. Grupperna kan också användas på andra ställen och flyttas fritt för att läsa ut andra datumformat.
Här följer ytterligare ett exempel:

Datumet inleds med dagen, följt av månaden som består av bokstäver där den första alltid är versal. Därefter kommer en punkt, ett mellanslag och slutligen året.
För att extrahera detta datum kan det nyss beskrivna reguljära uttrycket (REGEX) användas med en ytterligare komplettering, då det i det andra exemplet anges en "punkt" efter månaden.
Den kan anges med följande sträng: \.
Det fullständiga uttrycket ser alltså ut så här:
(0[1-9]|[12][0-9]|3[01])\s([A-Z][a-zä]{2})\.\s(20\d{2})
Den skapade regexen kan när som helst valideras genom att den klistras in tillsammans med texten på sidan https://regex101.com. Regex101 kontrollerar inte bara om regexen stämmer, utan förklarar också det reguljära uttrycket i stor utsträckning.
På så sätt kan de olika teckengrupperna användas till allt möjligt.
Läsa ut ordernummer med hjälp av REGEX
Som ytterligare ett exempel vill vi läsa ut ordernumret från dokumentet.

Ordernumret på vårt dokument är formaterat enligt följande:
Denna börjar alltid med versalerna XYB, därefter följer ett bindestreck, sedan 8 siffror, ytterligare ett bindestreck och till sist 3 slumpmässiga versaler.
Exempel på ordernummer skulle vara:
XYB-12316723-LSH
XYB-98456723-JRD
För att extrahera detta ordernummer kan vi använda följande reguljära uttryck:
XYB-\d{8}-[A-Z]{3}
Låt oss bryta ned uttrycket steg för steg.
Först söker vi exakt efter de första 3 versalerna med bindestreck-symbolen: XYB-
XYB-\d{8}-[A-Z]{3}
Därefter söker vi efter 8 siffror följt av ytterligare ett bindestreck: \d{8}-
XYB-\d{8}-[A-Z]{3}
Tecknet \d står, som redan beskrivits, för en siffra mellan 0 och 9, medan tecknet \d{8} söker efter ett åttasiffrigt tal.
Till sist söker vi efter tre godtyckliga stora bokstäver: [A-Z]{3}
XYB-\d{8}-[A-Z]{3}
Så skulle det reguljära uttrycket bland följande ordernummer:
XYB-12316723-LSH
XYB-98456723-JRD
XYB-975432671829
ZYB-12342176-ZHD
de två första XYB-12316723-LSH och XYB-98456723-JRD
känna igen.
För detta exempel har vi förberett en länk till Regex101, där det nyss beskrivna reguljära uttrycket visas med fyra exempel. Där syns att endast två av de angivna ordernumren uppfyller våra krav.
Läsa ut artikelnummer med hjälp av REGEX
Artikelnumret på vårt dokument är formaterat enligt följande:
Det inleds alltid med två stora bokstäver, därefter följer ett bindestreck och sedan sex siffror.

Exempel på artikelnummer är:
MS-863398
DS-452829
För att extrahera dessa artikelnummer kan vi använda följande reguljära uttryck:
[A-Z]{2}-\d{6}
PaperOffice AI digitaliserar dokumenten och kopplar dem till befintliga system via API, MCP och Connectors. På så sätt kan dataextraktionen från fakturor och andra underlag automatiseras med AI, utan att egna uttryck behöver skrivas och sedan underhållas för varje format.
Kontakta oss för att diskutera konkreta användningsfall och få veta mer om hur PaperOffice AI kan bidra till ännu större konkurrenskraft i den digitala tidsåldern.
Att komma igång är enklare än man tror.
Finns det fortfarande farhågor om att det inte ska lyckas? Våra kunders fallstudier visar hur enkelt det är – eller så kan PaperOffice AI testas direkt i webbläsaren med ett kostnadsfritt konto: Testa live.
För vem passar ett papperslöst kontor?
Det snabba och enkla svaret på frågan är: för alla företag. Alla branscher och företagsstorlekar, från små och medelstora företag och startups till stora koncerner, drar nytta av ett papperslöst kontor. Omställningen är dock särskilt värdefull för små och medelstora företag: Genom att arbetsinsatser och kostnader minskar frigörs budget för ytterligare tillväxtsatsningar.
Kan ett företag använda en molnbaserad DMS-leverantör för sitt papperslösa kontor?
Ja – om leverantören behandlar dokumenten inom EU och ingår ett personuppgiftsbiträdesavtal enligt artikel 28 i GDPR med kunden. Senast sedan GDPR trädde i kraft 2018 är dataskydd nämligen på allas läppar: DMS-lösningar behandlar, hanterar och lagrar dokument som ofta innehåller känsliga personuppgifter, och lagstiftaren föreskriver höga böter vid överträdelser av GDPR. PaperOffice AI behandlar dokumenten i sitt eget datacenter i Spanien (EU); filerna kan samtidigt ligga kvar på den egna lagringen (Bring Your Own Storage). Den som vill arbeta helt lokalt använder PaperOffice Classic.
-
Fördelarna rättfärdigar ansträngningen och kostnaderna
Att arbeta digitalt och föra in gamla dokument i den nya tidsåldern blir den bästa nyckelinvesteringen för att i framtiden spara otroligt mycket tid, pengar och nerver. -
Det behövs någon som kan området
Det behövs ingen egen IT-specialist för att dra nytta av alla fördelar med digitaliseringen.
Det som behövs är rätt partner vid sidan, som tack vare sin erfarenhet kan genomföra exakt det som krävs. Det gäller att undvika panikspridare och välja testinstallationer i stället för snygga PowerPoint-presentationer utan verklig testning. -
Hårdvaran finns oftast redan på plats
Erfarenhetsmässigt har nästan varje verksamhet, företag och organisation en stor kopiator som inte utnyttjas fullt ut. Dessa maskiner älskar massskanning, är toleranta mot gem och kan utgöra grunden för en digital start utan investering i skannrar. -
Billigare än väntat med rätt DMS
Kostnadsfällor med DMS-/ECM-system, där man är helt utlämnad åt leverantörerna, bör undvikas. Inga kompromisser bör göras när det gäller egna administrationsmöjligheter, som att själv sätta upp dokumenttyper och göra inställningar. Behövs hjälp ställer leverantören gärna upp, men det är viktigt att förbli självständig och oberoende. -
Digital automatisering är framtiden
Processerna går i framtiden till på exakt samma sätt, men helt automatiserat.
Kommer en faktura in? Arbetsflödet startar och allt går sin en gång definierade väg.
Söka igenom alla 1000 pärmar? Inga problem, för företaget har sitt eget Google!
