ABBYY > 服务 > FineReader使用技巧 > 关于ABBYY FineReader用于创建自定义语言词典的正则表达式
服务中心 PDF&OCR 知识库 FineReader 使用技巧 PDF Transformer使用技巧 新闻资讯 媒体测评 在线客服咨询

关于ABBYY FineReader用于创建自定义语言词典的正则表达式

ABBYY FineReader是一款OCR图文识别软件,在识别文本时,可通过创建自定义语言(相关文章请参考ABBYY FineReader如何创建用户语言),识别包含很多非常用元素(如代码编号)的文本字符,本文为大家列出了用于创建自定义语言词典的正则表达式,方便大家了解和学习ABBYY FineReader。

正则表达式

注:

1、要将正则表达式符号作为正常字符使用,请在符号前添加反斜线。例如,[t-v]x+ 代表tx、txx、txx 等和ux、uxx等,而\[t-v\]x+则代表[t-v]x、[t-v]xx、[t-v]xxx等。

2、要分组正则表达式元素,请使用括号。例如,(a|b)+|c代表c或任何类似abbbaaabbb、ababab的组合(任何长度非零、其中可能有按任意顺序排列的任意个数的a和b的单词),而a|b+|c则代表a、c和b、bb、bbb等。

 

示例:

假设识别包含三列的表格:出生日期、姓名、电子邮件地址,在这种情况下,可以创建两种新语言、数据和地址,并为它们指定以下正则表达式:

日期的正则表达式:

表示日的数字可由一位数字(1、2 等)或两位数字(02、12)组成,但不能为零(00 或 0),日的正则表达式应显示为:((|0)[1-9])|([1|2][0-9])|(30)|(31);

月的正则表达式应显示为:((|0)[1-9])|(10)|(11)|(12);

年的正则表达式应显示为:([19][0-9][0-9]|([0-9][0-9])|([20][0-9][0-9]|([0-9][0-9])。

接下来,需要将所有这些组合起来并用句点隔开数字(如 1.03.1999),句点也是正则表达式符号,所以必须在前面添加反斜线 (\),因此,完整日期的正则表达式应显示为: ((|0)[1-9])|([1|2][0-9])|(30)|(31)\.((|0)[1-9])|(10)|(11)|(12)\.((19)[0-9][0-9])|([0-9][0-9])|([20][0-9][0-9]|([0-9][0-9])

电子邮件地址的正则表达式:

[a-zA-Z0-9_\-\.]+\@[a-z0-9\.\-]+

更多关于ABBYY FineReader的内容, 请点击进入ABBYY中文服务中心,查看您需要的信息。

标签:ABBYY FineReader,OCR图文识别软件,创建自定义语言词典,正则表达式

读者也访问过这里: