ABBYY创建正则表达式的方法有哪些

2019独角兽企业重金招聘Python工程师标准>>>

ABBYY FineReader是一款OCR文字识别软件，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。

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\.\-]+

本文转载于：http://www.abbyychina.com/FRshiyongjiqiao/abbyyfr-zhengzebds.html

转载于:https://my.oschina.net/abbyychina/blog/838229