如何解决使用正则表达式从txt提取数据
我刚刚使用Google Vision API将pdf收据转换为txt文件。现在,我想提取4个特定字段并将其保存在新的txt文件中。
我突出显示了我要提取的2个示例
黄色:产品ID ; 绿色:数量 ; 蓝色:单价 ; 红色:产品说明
这是文本文件的一部分:
[“等待操作完成。\ n”,“输出文件:\ n”,“ receipts / factura_lider.txtoutput-1-to-1.json \ n”,“全文:\ n”, '\ n','ADMIN。 DE SUPERMERCADOS HIPER \ n','LIMITADA \ n','76.134.941-4 \ n','Hiper \ n','LIDER \ n','GRANDES ESTABLECIMIENTOS-VENTA DE \ n','ALIM。\ n ','BOLETAELECTRÓ NICA N°:1680178292 \ n','LOCAL:\ n','0682 \ n','CAJA:\ n','020 \ n','CAJERO:\ n','163 \ n','FECHA EMISION:\ n','20-10-2020 \ n','HORA:\ n','09:07 \ n','TRAN。 N°:\ n','0018 \ n','CANT。\ n','PRECIO UNIT。\ n','DESC。 ARTICULO \ n','VALOR \ n','2.150 \ n','4.511 \ n','1.690 \ n','5.990 \ n','1.990 \ n','1.190 \ n','309 \ n','2.490 \ n','4.290 \ n','2.650 \ n','2.290 \ n','4.500 \ n','3.840 \ n','1.416 \ n','CODIGO:07803473002662 \ n','1.0x 2.150 ID PAN BLA G \ n','CODIGO:02069600000009 \ n','0.515x 8.759 PAVO PECHUGA \ n','CODIGO:00078742086811 \ n','1.0X 1.690 MARGARIN REG \ n' ,'CODIGO:07613036150521 \ n','1.0X 5.990 BUEN DIA 1.1 \ n','CODIGO:07804115001838 \ n','1.0x 1.990 AZ-MOL TR PA \ n','CODIGO:07802920801704 \ n',' 1.0 1.190酸奶DAMA \ n','CODIGO:07804646490194 \ n','1.0x 309 CILANTRO BOL \ n','CODIGO:00614143030932 \ n','1.0x 2.490 FRUTOS BOS \ n','CODIGO:07804100103158 \ n ','1.0x 4.290 PACK HUEVO M \ n','CODIGO:07801930000 602 \ n','1.0x 2.650 PANCETAPF \ n','CODIGO:07804152000283 \ n','1.0x 2.290 NARANJA 1.5 \ n',' CODIGO:07805000183080 \ n','1.0X 4.500 DET.LQ.DPLIR \ n','CODIGO:02164730000001 \ n','2.415X 1.590 POLLO ENTERO \ n','CODIGO:02000140000005 \ n','1.43%990 PLATANO \ n','CODIGO:07804653341021 \ n','1.0X 1。 000 PHX6 \ n','CODIGO:07802655002230 \ n','1.0x 830 HARINA S / POL \ n',
解决方法
import re
text = '''['Waiting for the operation to finish.\n','Output files:\n','receipts/factura_lider.txtoutput-1-to-1.json\n','Full text:\n','\n','ADMIN. DE SUPERMERCADOS HIPER\n','LIMITADA\n','76.134.941-4\n','Hiper\n','LIDER\n','GRANDES ESTABLECIMIENTOS-VENTA DE\n','ALIM.\n','BOLETA ELECTRÓNICA N° : 1680178292\n','LOCAL:\n','0682\n','CAJA:\n','020\n','CAJERO:\n','163\n','FECHA EMISION:\n','20-10-2020\n','HORA:\n','09:07\n','TRAN. Nº:\n','0018\n','CANT.\n','PRECIO UNIT.\n','DESC. ARTICULO\n','VALOR\n','2.150\n','4.511\n','1.690\n','5.990\n','1.990\n','1.190\n','309\n','2.490\n','4.290\n','2.650\n','2.290\n','4.500\n','3.840\n','1.416\n','CODIGO: 07803473002662\n','1.0x 2.150 ID PAN BLA G\n','CODIGO: 02069600000009\n','0.515x 8.759 PAVO PECHUGA\n','CODIGO: 00078742086811\n','1.0X 1.690 MARGARIN REG\n','CODIGO: 07613036150521\n','1.0X 5.990 BUEN DIA 1.1\n','CODIGO: 07804115001838\n','1.0x 1.990 AZ-MOL TR PA\n','CODIGO: 07802920801704\n','1.0 1.190 YOGHURT DAMA\n','CODIGO: 07804646490194\n','1.0x 309 CILANTRO BOL\n','CODIGO: 00614143030932\n','1.0x 2.490 FRUTOS BOS\n','CODIGO: 07804100103158\n','1.0x 4.290 PACK HUEVO M\n','CODIGO: 07801930000 602\n','1.0x 2.650 PANCETAPF\n','CODIGO: 07804152000283\n','1.0x 2.290 NARANJA 1.5\n','CODIGO: 07805000183080\n','1.0X 4.500 DET.LQ.DPLIR\n','CODIGO: 02164730000001\n','2.415X 1.590 POLLO ENTERO\n','CODIGO: 02000140000005\n','1.43% 990 PLATANO\n','CODIGO: 07804653341021\n','1.0X 1.000 PHX6\n','CODIGO: 07802655002230\n','1.0x 830 HARINA S/POL\n'
'''
Product = re.search('CODIGO:(.*?)\n\',\'(.*?)\n',text,re.DOTALL)
product_ID = Product.group(1)
q_up_pd_str = Product.group(2).split()
quantity = q_up_pd_str[0]
unit_price = q_up_pd_str[1]
product_description = ' '.join(q_up_pd_str[2:])
print(product_ID)
print(quantity)
print(unit_price)
print(product_description)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。