OCR

Veja a seguir as regras disponíveis quando a opção OCR for selecionada no perfil de reconhecimento:

Opcional

Ao selecionar esta regra, o sistema fará o reconhecimento na área específica ou na página inteira e extrairá o valor capturado. Veja a seguir um exemplo de sua aplicação:

1.No perfil de reconhecimento, após definir um identificador e nome, foi importada a imagem de um cupom fiscal.

3.Nos detalhes do índice, foi definido que o reconhecimento seria feito considerando uma área específica. Em seguida, foi selecionada a opção OCR e a regra Opcional.

4.No painel de pré-visualização, o índice foi delimitado no local onde, comumente, se encontra a razão social de uma empresa, em um cupom fiscal.

Com isso, no campo Imagem capturada, é possível visualizar que foi considerada somente a área específica do cupom fiscal. No campo Dado reconhecido, é apresentado o nome da empresa emissora do cupom fiscal:

Substring

Ao selecionar esta regra, o sistema realiza o reconhecimento na área específica ou na página inteira e extrairá o valor capturado, de acordo com as delimitações e ocorrências configuradas. Veja a seguir um exemplo de sua aplicação:

1.No perfil de reconhecimento, após definir um identificador e nome, foi importada a imagem de um contrato.

3.Nos detalhes do índice, foi definido que o reconhecimento seria feito considerando a página inteira.

4.Em seguida, foi selecionada a opção OCR e a regra Substring e preenchidos os seguintes campos:

Campos
Capturar a partir de	Foi preenchido com as palavras que antecedem o número do CNPJ da empresa contratante.
Até	Foi preenchido com as palavras que sucedem ao CNPJ da empresa contratante.
Ocorrência	Foi informado o número 2, para que apenas a segunda vez que o trecho "CNPJ sob o nº" aparece no texto, seja considerada na captura.

Com isso, no campo Imagem capturada, é possível visualizar que foi considerada toda a página do contrato. No campo Dado reconhecido, é apresentado o CNPJ da empresa contratante, conforme especificado no contrato:

Linha de informação

Ao selecionar esta regra, o sistema realiza o reconhecimento de uma determinada linha na área específica ou na página inteira e extrairá o valor capturado, de acordo com as delimitações e ocorrências configuradas. Veja a seguir um exemplo de sua aplicação:

1.No perfil de reconhecimento, após definir um identificador e nome, foi importada a imagem de um cupom fiscal.

3.Nos detalhes do índice, foi definido que o reconhecimento seria feito considerando a página inteira.

4.Em seguida, foi selecionada a opção OCR e a regra Linha de informação e preenchidos os seguintes campos:

Campos
Capturar a partir de	Foi preenchido com a primeira palavra da linha que antecede a linha na qual comumente se encontra a forma de pagamento, em um cupom fiscal.
A linha número	Foi informado o número da linha que sucede o valor informado no "Capturar a partir de", cujo valor deve ser extraído. Neste caso, foi informado o número 1, pois se deseja capturar a linha seguinte.
Ocorrência	Foi informado o número 1, para que o reconhecimento seja realizado na primeira vez que a palavra "Total" aparece no cupom fiscal.

Com isso, no campo Imagem capturada, é possível visualizar que foi considerada toda a página do cupom fiscal. No campo Dado reconhecido, é apresentada a forma de pagamento e o total pago, conforme especificado no cupom fiscal:

Offset

Ao selecionar esta regra, o sistema realiza o reconhecimento dentro de uma área sensível da área específica ou da página inteira, de acordo com as delimitações e ocorrências configuradas. Veja a seguir um exemplo de sua aplicação:

1.No perfil de reconhecimento, após definir um identificador e nome, foi importada a imagem de uma DANFE.

3.Nos detalhes do índice, foi definido que o reconhecimento seria feito considerando uma área específica.

4.Em seguida, foi selecionada a opção OCR e a regra Offset e preenchidos os seguintes campos:

Campos
Capturar a partir de	Foi preenchido com as palavras que antecedem o valor total da nota fiscal.
Área sensível	No campo Posição, foi definido que o reconhecimento deveria ser feito abaixo de onde se encontra o trecho "Valor total da nota". Em seguida, foi informada a largura e a altura da área sensível, ou seja, da área onde se encontra o valor desejado.
Ocorrência	Foi informado o número 1, para que o reconhecimento seja realizado na primeira vez que a palavra "Valor total da nota" aparece na nota fiscal.

Com isso, no campo Imagem capturada, é possível visualizar que foi considerada somente a área específica da nota fiscal. No campo Dado reconhecido, é apresentado o valor total da nota:

Máscara

Ao selecionar esta regra, o sistema realiza o reconhecimento na área específica ou na página inteira e extrairá o valor capturado, de acordo com a expressão regular configurada. Veja a seguir um exemplo de sua aplicação:

1.No perfil de reconhecimento, após definir um identificador e nome, foi importada a imagem de um cupom fiscal.

3.Nos detalhes do índice, foi definido que o reconhecimento seria feito considerando a página inteira.

4.Em seguida, foi selecionada a opção OCR e a regra Máscara e preenchidos os seguintes campos:

Campos
Expressão regular	Foi preenchido com a expressão regular referente a composição de um CEP. Veja logo a seguir como montar expressões regulares.
Ocorrência	Foi informado o número 1, para que o reconhecimento seja realizado na primeira vez que o resultado da expressão regular encontre coincidência no cupom fiscal.

Com isso, no campo Imagem capturada, é possível visualizar que foi considerada toda a página do cupom fiscal. No campo Dado reconhecido, é apresentado o CEP da empresa emissora do cupom fiscal:

Montagem da expressão regular

Uma expressão regular é uma notação para descrever um padrão de caracteres. Serve para validar entradas de dados ou fazer busca e extração de informações em textos. Por exemplo, para verificar se um dado fornecido é um número de 0,00 a 9,99 pode-se usar a expressão regular ^\d,\d\d$, pois o símbolo \d é um curinga que casa com um dígito. Os caracteres especiais ^ e $ indicam, respectivamente, como será o início e fim da linha; sem eles, os números 10,00 ou 100,123 seriam válidos, pois contém dígitos que casam com a expressão regular.

Um metacaractere é um caractere ou uma sequência de caracteres com significado especial em expressões regulares. Os metacaracteres podem ser categorizados conforme seu uso.

Metacaractere	Descrição
.	Curinga: Casa com qualquer caractere, exceto a quebra de linha \n.
[...]	Conjunto: Casa com qualquer caractere incluído no conjunto. Por exemplo: ▪[a-z] irá aceitar strings com caracteres minúsculos entre 'a' e 'z', enquanto [A-Z] aceitará caracteres maiúsculos entre 'A' e 'Z'. ▪[abcABC] irá aceitar strings que contenham apenas os caracteres 'a', 'b', 'c', 'A', 'B' e/ou 'C'. ▪[123] irá aceitar strings que contenham apenas os caracteres '1', '2' e/ou '3'; ▪[0-9] irá aceitar strings com caracteres entre '0' e '9'.
[^...]	Conjunto negado: Casa com qualquer caractere que não esteja incluído no conjunto
\d	Dígito: o mesmo que [0-9].
\D	Não-dígito: o mesmo que [^0-9].
\s	Branco: espaço, quebra de linha, tabs etc.; o mesmo que [ \t\n\r\f\v].
\S	Não-branco: o mesmo que [^ \t\n\r\f\v].
\w	Alfanumérico: o mesmo que [a-zA-Z0-9_] (mas pode incluir caracteres Unicode)
\W	Não-alfanumérico: o complemento de \w.
\	Escape: anula o significado especial do metacaractere seguinte; por exemplo,\. representa apenas um ponto, e não o curinga.

Quantificadores

Definem o número permitido de repetições da expressão regular imediatamente anterior.

Metacaractere	Descrição
{n}	Permite exatamente n ocorrências. Por exemplo: ▪[abc]{3}: Aceita strings contendo 3 caracteres, sendo eles 'a', 'b' ou 'c', como: aaa, abc, acb, bba, etc. ▪[0-9]{5}: Aceita strings com 5 caracteres entre '0' e '9', como: 11111, 12345, 15973, etc.
{n,m}	Permite no mínimo n ocorrências e no máximo m. Por exemplo: ▪[abc]{3,5}: Aceita strings contendo entre 3 e 5 caracteres, sendo eles 'a', 'b' ou 'c', como: aaaaa, acbca, abc, acba, etc. ▪[0-9]{5,6}: Aceita strings contendo 5 ou 6 caracteres entre '0' e '9', como: 12345, 123456, 01030, 000000, etc.
{n,}	Permite no mínimo n ocorrências. Por exemplo: ▪[abc]{2,}: Aceita strings contendo, ao menos, 2 caracteres, sendo eles 'a', 'b' ou 'c', como: aa, abc, ccc, abcabc, etc. ▪[0-9]{2,}: Aceita strings contendo, ao menos, 2 caracteres entre '0' e '9', como: 12, 123, 987654321, etc.
?	Permite 0 ou 1 ocorrência; o mesmo que {0,1}.
+	Permite 1 ou mais ocorrências; o mesmo que {1,}.
*	Permite 0 ou mais ocorrências.

Âncoras

Estabelecem posições de referência para o casamento do restante da expressão regular. Note que estes metacaracteres não casam com caracteres no texto, mas sim com posições antes, depois ou entre os caracteres.

Metacaractere	Descrição
^	Casa o início de uma string.
$	Casa o fim de uma string; não captura o \n no fim do texto ou da linha.
\A	Início do texto.
\Z	Fim do texto.
\b	Posição de borda: Encontra uma correspondência no início ou fim de uma string;
\B	Posição de não-borda.

Agrupamento

Metacaractere	Descrição
(...)	Define um grupo, para efeito de aplicação de quantificador, alternativa ou de posterior extração ou reuso
...\|...	Alternativa; casa a expressão regular à direita ou à esquerda.
\«n»	Recupera o texto casado no n-ésimo grupo.

Exemplos: Veja alguns exemplos com breves explicações para ter uma ideia geral:

\d{5}-\d{3}	O padrão de um CEP como 05432-001: 5 dígitos, um - (hífen) e mais 3 dígitos. A sequência \d é um metacaractere, um curinga que casa com um dígito (0 a 9). A sequência {5} é um quantificador: indica que o padrão precedente deve ser repetido 5 vezes, portanto \d{5} é o mesmo que \d\d\d\d\d.
[012]\d:[0-5]\d	Semelhante ao formato de horas e minutos, como 03:10 ou 23:59. A sequência entre colchetes [012] define um conjunto. Neste caso, o conjunto especifica que o primeiro caractere deve ser 0, 1 ou 2. Dentro dos [] o hífen indica uma faixa de caracteres, ou seja, [0-5] é uma forma abreviada para o conjunto [012345]; o conjunto que representa todos os dígitos, [0-9] é o mesmo que \d. Note que esta expressão regular também aceita o texto 29:00 que não é uma hora válida.
[A-Z]{3}-\d{4}	É o padrão de uma placa de automóvel no Brasil: três letras entre A e Z, seguidas de um - (hífen), seguido de quatro dígitos, como CKD-4592.

Valor fixo

Ao selecionar esta regra, o sistema permite que o usuário defina um determinado valor para ser utilizado na classificação das informações geradas a partir do perfil de reconhecimento em questão. Veja a seguir um exemplo de sua aplicação:

1.No perfil de reconhecimento, após definir um identificador e nome, foi importada a imagem de uma conta de luz.

3.No campo Regra, dos detalhes do índice, foi selecionada a opção Valor fixo. Em seguida, no campo Retorno, foi informado o nome da "Companhia de luz".

Com isso, por exemplo, é possível parametrizar na configuração da captura que todos os documentos gerados a partir do perfil de reconhecimento (com o valor fixo configurado) serão automaticamente cadastrados na categoria "Contas de luz".