スキャンしたPDF文書を自動的に並べ替え、名前を変更します

By Nishanth Asokan | オートメーション

スキャンしたPDF文書を自動的に並べ替え、名前を変更します

文書分類は、ほぼすべての業界において数十年にわたり大きな課題であり、様々なビジネスプロセスにおいて非常に重要な役割を担っています。従来、このプロセスは手作業で行われており、ユーザーが文書を読み、分類対象となる主題を特定していました。手作業による分類はより正確な分類を可能にする一方で、非常に時間とコストがかかるという課題がありました。

ビジネスプロセスのデジタル化により、手作業が大幅に削減され、経済成長が加速しました。市場には、ビジネスプロセスをより迅速かつ容易に拡張できるドキュメントワーク自動化ツールやサービスが既に数多く存在します。その一環として、ビジネスプロセスに流入する大量のドキュメントをより迅速に整理する必要があります。ソートと整理のプロセスは、PDF4me Workflow機能のサポート機能を使用して自動的に実行できます。

より理解を深めていただくために、具体的な使用例を取り上げます。

  • 正規表現を使用して文書から請求書番号を検索し、ファイル名を請求書番号に変更する手順を、ステップごとに詳細に解説します。

ドキュメントを整理し、名前を変更し、整理されたストレージに保存するための 3 つの簡単な手順。

ステップ1:必要な場合にのみOCRを実行する

OCRを使用してスキャンした文書からテキストを認識する

これは、PDF4me からのワークフローアクションの最初のステップとなります。PDF OCR アクションは強力な機能で、入力ドキュメントがスキャンされたドキュメントかテキストベースのドキュメントかを検出し、必要な場合にのみ OCR を適用できます。通常、OCR は強力な OCR エンジンと関連コンポーネントを搭載した専用リソースを必要とするため、他の機能よりもコストが高くなります。

自動化ワークフローでは、ドキュメントがスキャン画像である場合にOCRが必要になる場合があります。ドキュメントにスキャン画像がなく、OCRを適用する必要がない場合は、無駄な費用を支払う必要はありません。ワークフローにOCRアクションを追加する際に、「必要に応じてOCRを実行する」オプションを有効にするだけで済みます。このアクションは、変換後にテキストベースのPDFファイルを生成するか、変換が不要な場合は元のファイルを返します。

ステップ2:PDFドキュメントの各ページからテキストを抽出する

OCRで認識した後、テキストを抽出する

ワークフローアクション「テキスト抽出」は、ページコンテンツ全体を次のアクションのデータコンテキストに取り込みます。これにより、特定のテキストの解析、目的のテキストの有無の確認、解析したテキストとカスタムテキストの結合など、JavaScript式を使用してコンテンツを自由に操作できます。この例では、オンラインで支払済みの領収書から請求書番号を検索します。

請求書サンプル(PDF):

請求書のサンプル

この PDF ファイルから請求書番号を解析し、その番号を使用してファイル名を変更し、最終的に PDF4me の My Docs クラウドストレージに保存します。

このアクションの出力データコンテキストには、以下の形式のテキストが含まれます。

${file.pages[0].PageText}

[0] - これは0から始まるページ番号を示します。任意の数値を設定することで、PDFドキュメントの任意のページ範囲からページテキストを取得できます。

PageTextデータコンテキストから一致する文字列を見つけるには、以下のように正規表現を追加します。

${file.pages[0].PageText.match(/Invoice\s*?[#-]\s*[0-9]*/g)}

これは、データコンテキストの結果に正規表現を適用するシンプルなJavaScript関数です。この正規表現は、請求書番号と請求書ラベルの両方を検索します。

このように、JavaScript関数を使用して、ドキュメントを識別するための論理関数を適用し、手作業なしでより正確に分類することができます。

ステップ 3: 名前を変更して「マイ ドキュメント ストレージ」に保存します

マイドキュメントに保存はPDF4meアクションで、ドキュメントをPDF4meストレージに保存できます。Dropbox、FTP、またはGoogle Driveに保存することも可能です。デモ目的で、現時点ではマイドキュメントストレージを使用します。すべての保存アクションには出力ファイル名がありますが、これは必須項目ではありません。

ファイルをカスタム名で「マイ ドキュメント」に保存する

${INV}-{UTCNOW()}.pdf のように、任意の動的な組み合わせでカスタムファイル名を設定できます。これにより、INV- で始まるプレフィックスと現在の UTC 時刻が動的に付加されたドキュメントが生成されます。出力ドキュメントの内容、保存方法、保存場所を制御できます。デモのユースケースでは、以下のように正規表現とともにデータコンテキストを配置して新しいファイル名を生成する必要があります。

${file.pages[0].PageText.match(/Invoice\s*?[#-]\s*[0-9]*/g)}.pdf

スキャンした文書の並べ替えと名前変更のサンプルワークフロー

これら3つの手順をすべて実行すると、ドキュメントは分類、名前変更され、指定したファイル保存場所に保存されます。これでどれほど簡単になったでしょうか?PDF4meは常にエンドユーザーの視点に立ち、ドキュメント処理の世界でユーザーの生活を非常に楽にすることを心がけています。

Related Blog Posts