google-apps-script - OCR 购买收据中的字符串替换
问题描述
我拥有的是 Google 文档中的 OCR 沃尔玛收据(沃尔玛允许您通过电子邮件向自己发送收据的.jpg版本,并且可以使用 Google Docs 打开此图像,在此期间它会应用 OCR 来提取文本。结果非常好,几乎没有错误。)
这是来自 OCR 的实际收据的链接: https ://docs.google.com/document/d/1zSV09UGajna4DPtrHUrB6F82NugpYjaftMjomoKVXpE/edit?usp=sharing
我使用 Google Docs 对数百张沃尔玛收据进行了 OCR。OCR 处理的文档存在一些格式问题,因此我编写了一些代码来帮助对其进行规范化,作为将所有收据放入数据库的更大目标的一部分。
虽然我能够解决许多格式替换问题,但我一直试图用制表符替换“TAX 1”和“TAX 2”之后的百分号,这样我就可以按下“TAX 2”进入新行。我注意到该%
符号后面总是跟一个换行符,然后是下一行的税的实际数值(对于“TAX 1”和“TAX 2”):
示例 OCR 文本:
SUBTOTAL 126.61 TAX 1 6.750 %
7.78 TAX 2 2.000 %
0.23 TOTAL 134.62
所需的输出文本:
SUBTOTAL 126.61
TAX 1 6.750 % 7.78
TAX 2 2.000 % 0.23
TOTAL 134.62
客观的:
- 每个(SUBTOTAL、TAX 1、TAX 2 和 TOTAL)都有一个新行。 (这有效)
- 在每个(小计、TAX 1、TAX 2 和 TOTAL)之后应该有一个制表符,以便每个数字值都是制表位。(这有效)
- 我想用一个百分号和一个制表符替换(空格+百分号+换行符)(认为 7.78 应该在换行符被取出时“上升”一行(这是失败的原因)。
我可以使用 Google Docs UI 中的 CTRL-F“查找和替换”菜单执行此操作,使用正则表达式选项没有任何问题,但我无法编写应用程序脚本函数来执行相同操作。我到处搜索。我意识到 GAS 中的 RegEx 是有限的。但我不知道这是否是我的问题以及可能的解决方法。同样,我对 RegEx 的了解还不够,无法知道 GAS 支持的受限版本是否不是我问题的原因(例如,我是否忽略了某些东西)。
这是我用于格式化的代码摘录:
var body = DocumentApp.getActiveDocument().getBody();
/**
* other formatting stuff
*/
//Find SUBTOTAL, remove the space before SUBTOTAL and move it down one line.
body.replaceText(' SUBTOTAL', '\n\nSUBTOTAL\t');
//Find TAX 1, remove the space before TAX 1 and move it down one line.
body.replaceText(' TAX 1', '\nTAX 1\t');
//Find TAX 2, remove the space before TAX 2 and move it down one line.
body.replaceText(' TAX 2', '\nTAX 2\t');
//Find TOTAL, replace it.
body.replaceText('TOTAL', '\nTOTAL\t');
//Find PERCENT SIGN AND ADD A NEWLINE AFTER IT, replace it all with a tab character.
body.replaceText("[ %\n]","\t");
前 4 个替换效果很好。它的最后一个(百分号)不起作用。我试图像这样逃避那个百分号:
body.replaceText("[ \%\n]","\t");
和
body.replaceText("[ \\%\n]","\t");
我试图像这样删除大括号:
body.replaceText(" \%\n","\t");
和
body.replaceText(" \\%\n","\t");
但坦率地说,每个都给出了不同的结果——严重地弄乱了整个收据文本。
所以百分号是问题所在——我认为。
如何修复“TAX 1”和“TAX 2”行的格式?
全文 OCR 收据示例:https ://docs.google.com/document/d/1zSV09UGajna4DPtrHUrB6F82NugpYjaftMjomoKVXpE/edit?usp=sharing
解决方案
您想将共享文档的文本替换为您想要的值。您想要的值可以通过我的评论中的脚本检索。如果我的理解是正确的,那又如何呢?
在我评论的示例脚本中,整个文本被检索并替换为您想要的值。当这种情况反映到 Document 时,这个示例脚本怎么样?当您使用此脚本时,请执行以下操作。
- 打开共享文档。
- 打开脚本编辑器。
- 将示例脚本复制并粘贴到脚本编辑器。
- 运行 myFunction()。
- 授权范围。
- 请参阅文档。
示例脚本:
function myFunction() {
var body = DocumentApp.getActiveDocument().getBody();
var newText = body.getText()
.match(/(SUBTOTAL[\s\S]+?)VISA/)[1]
.replace(/TAX/g, "\nTAX")
.replace(/ TOTAL/g, "\nTOTAL\t")
.replace(/%\n/g, "%\t");
body.clear();
body.setText(newText);
}
如果这不是你想要的,我很抱歉。
推荐阅读
- elasticsearch - 您可以参考 Elasticsearch percolator 中的其他查询吗?
- python - flask multiple forms on the same page
- crud - Nestjs CRUD 修改响应对象
- vba - 如何使用 Selenium(Windows 10)运行 chromedriver?
- docusignapi - 访问docusign时出现错误(invalid_grant)
- sql - Oracle SQL:如何根据 select 语句中的条件使用按级别连接?
- python-2.6 - How to insert a variable value into table?
- ruby-on-rails - How can I amend individual page sizes within a pdf using ruby?
- c# - ASP.NET Core - 授权属性登录重定向后保留 POST 数据
- javascript - NodeJs-TypeError:Category.find 不是函数