OCR 购买收据中的字符串替换

Question

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 文档打开此图像，在此期间，它应用 OCR 提取文本。结果非常好，错误很少。）

以下是 OCR 实际收据的链接： https://docs.google.com/document/d/1zSV09UGajna4DPtrHUrB6F82NugpYjaftMjomoKVXpE/edit?usp=sharing

我使用 Google 文档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，但我一直在尝试用制表符替换“TAX 1”和“TAX 2”之后的百分号，这样我就可以按下“ TAX 2" 条目到新行。我注意到% 符号将总是后跟一个换行符，然后是下一行的税的实际数值（对于“TAX 1”和“TAX 2”）：

OCR 文本示例：

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

目标：

• 每个（小计、TAX 1、TAX 2 和 TOTAL）都有一个新行。 （可行）
• 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。 （可行）
• 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“上升”一行，因为换行符被取出 （这是什么失败了）。

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 的了解不够，无法知道 GAS 支持的受限版本是否不是我的问题的原因（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");

我试过这样去掉大括号：

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

Answer 1

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？使用此脚本时，请按如下操作。

1. 打开共享文档。
2. 打开脚本编辑器。
3. 将示例脚本复制并粘贴到脚本编辑器中。
4. 运行 myFunction()。
5. 授权范围。
6. 参见文档。

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。