Saltar al contenido principal
Esta sección presenta algunas reglas de extracción de ejemplo creadas con el editor de código, que ofrece más flexibilidad que la interfaz gráfica de usuario (consulta la sección Sintaxis para obtener una descripción detallada de la sintaxis utilizada).

Buscar la última instancia de una entidad con nombre

En este ejemplo, se usa una regla de extracción para encontrar el nombre de la organización del inquilino en un contrato de arrendamiento. Este nombre aparece después de los nombres de todas las demás organizaciones y no puede extraerse usando la configuración de la GUI, donde solo se puede seleccionar Instances > First. Sin embargo, puede usar una regla de extracción para buscar el nombre de la organización que precede inmediatamente a la palabra “Tenant” entre corchetes. Primero, localizamos la palabra clave “Tenant” como elemento de búsqueda auxiliar. Luego buscamos el nombre de la organización que aparece antes de esa palabra clave. En este ejemplo, hay dos tokens intermedios —un corchete de apertura y una comilla—, por lo que limitamos la distancia a tres tokens, dejando un margen de seguridad. Si sus documentos tienen más tokens intermedios que separan la palabra clave del nombre de la organización, aumente este número en consecuencia.

Regla para extraer la última instancia de organización

Ejemplo

Extracto de un contrato de arrendamiento con el nombre de la organización del arrendatario extraído en el elemento de búsqueda TenantName

Extraer un monto de dinero indicado tanto en palabras como en números

En este ejemplo, se utiliza una regla de extracción con expresiones regulares para localizar un monto de dinero que primero está escrito con palabras y luego en dígitos entre paréntesis, por ejemplo: Two Thousand One Hundred Forty-Seven Dollars and Sixty Cents ($2,147.60) Two Thousand One Hundred Forty-Seven Dollars and Sixty Cents (in numbers: $2,147.60)

Regla para extraer un monto de dinero

Ejemplo

Monto extraído como un único valor que combina la forma en palabras y la forma en dígitos entre paréntesis

Búsqueda de segmentos mediante palabras clave

En este ejemplo se emplean reglas de extracción para encontrar segmentos que la actividad Segmentation no puede detectar de forma confiable. Las reglas buscan palabras clave que inician o terminan un segmento y extraen el texto intermedio. Suponemos que nuestros documentos tienen encabezados de segundo nivel numerados y escritos en mayúsculas, por ejemplo: 1.1 PREMISES, 2.3 LIABILITY AND INDEMNITY, etc. También suponemos que ya hemos extraído los encabezados de primer nivel en un elemento de búsqueda llamado “kw_Heading1” (se omite la regla de extracción correspondiente por brevedad). Primero, buscamos palabras clave que inicien cada párrafo del documento y las extraemos en un elemento de búsqueda llamado “kw_Heading2”. A continuación, colocamos el texto entre dos palabras clave consecutivas en un elemento de búsqueda llamado “Segment”. En la versión actual de Advanced Designer, el editor de código solo está disponible para elementos de búsqueda utilizados para encontrar entidades con nombre. Como solución alternativa, para extraer texto como encabezados o segmentos mediante código, simplemente cree un elemento de búsqueda para cualquiera de las entidades con nombre admitidas (por ejemplo, Organization) e introduzca el código de la regla en el editor de código de ese elemento.

Regla para extraer encabezados de segundo nivel en el elemento de búsqueda kw_Heading2

Regla para extraer el segmento en el elemento de búsqueda Segment

Ejemplo

Texto del documento con segmentos extraídos entre encabezados consecutivos de segundo nivel en el elemento de búsqueda Segment
En este ejemplo, las cadenas “3.1 FIRSTLY” y “3.2 SECONDLY” se extraen en el elemento de búsqueda kw_Heading2, y luego el texto comprendido entre dos instancias consecutivas del elemento de búsqueda kw_Heading2 se extrae en una instancia del elemento de búsqueda Segment.

Agrupar la información de cada entidad

En este ejemplo, se utilizan reglas de extracción para asegurarse de que los detalles de cada parte de un acuerdo se agrupen correctamente (es decir, que el nombre y la dirección de cada parte pertenezcan a una única instancia de grupo y no se dividan en varias instancias ni se mezclen con los detalles de la otra parte). La idea es encontrar información identificativa de una parte que siempre aparezca primero. Hay varias formas de hacerlo, según cómo estén redactados los acuerdos. En este ejemplo, suponemos que el nombre de cada organización siempre aparece primero, seguido de su dirección y su función en el acuerdo. Por lo tanto, haremos lo siguiente:
  1. Buscar nombres de organizaciones, crear una nueva instancia del elemento de búsqueda de grupo Party_Group para cada nombre encontrado y rellenar su elemento de búsqueda secundario denominado “Organization_Name”.
  2. Buscar la dirección y la función que estén separadas por no más de, por ejemplo, 20 tokens de cada instancia del nombre de la organización, acceder a la instancia de Party_Group que es el elemento primario del nombre de la organización y rellenar los elementos de búsqueda secundarios denominados “Address” y “Role” en esa instancia.
Los datos solo se buscarán dentro del segmento encontrado por la actividad Segmentation y pasado a la actividad Extraction Rules como un campo de entrada denominado “Parties_Segment”.

Regla para extraer el elemento de búsqueda Organization_Name

Regla para extraer el elemento de búsqueda de dirección

Regla para extraer el elemento de búsqueda de rol

Ejemplo

Los elementos de búsqueda se extraerán de la siguiente manera:
Instancias de Party_Group extraídas con el nombre de la organización, la dirección y el rol de cada parte agrupados correctamente
En el formulario de datos, también puede ver que el nombre, la dirección y el rol de cada empresa están agrupados en una instancia de grupo independiente:
Formulario de datos que muestra el nombre, la dirección y el rol de cada empresa en un número de instancia independiente de Party_Group
Los datos de cada organización se agrupan, como muestran los números de instancia entre corchetes.

Buscar la fecha y la hora juntas

En este ejemplo, se utiliza una regla de extracción para encontrar una combinación de hora y fecha. Primero, usamos un elemento de búsqueda llamado “Time” de tipo Value from Regular Expression (la expresión regular utilizada es [1]?\d:\d{2}\s+(([ap]\.m\.)|([AP]M))?). A continuación, buscamos una entidad con nombre Date ubicada cerca. Por último, concatenamos las secuencias de tokens encontradas y asignamos el resultado a un elemento de búsqueda llamado “TimeAndDate”.

Regla para extraer la fecha y la hora combinadas

Ejemplo

Entidad con nombre de hora y fecha concatenada y extraída en un único elemento de búsqueda TimeAndDate