提取苏康码、行程卡有用信息的正则表达式

文章目录

前言

一、识别任务

二、提取信息的正则表达式

1.苏康码

2.行程卡

总结

---

---

前言

疫情期间，部分单位需要识别大量的健康码（以苏康码为例）、行程码（以通信行程卡为例），工作量重复而繁重，利用OCR软件可以对有关内容进行识别，但因为苏康码、行程码截图大小不一，要从中提取出有用的信息，就需要用到正则表达式来进行匹配。

---

一、识别任务

将苏康码、行程卡进行OCR识别，所有识别出的文字合并成一个字符串，例如：
       苏康码的（苏康码,苏康码,王某某,320****123,若您有近14天中高风险地区旅居史（含,04-032023:12,绿色：勤洗手、常通风、戴口罩，出现发热咳嗽等症状,请及时就医,风险报备,信息更新,Elo,核酸检测,通信大数据,新冠疫苗,查询（省内）,行程卡,接种查询（省内）,8,c8▣,政务服,家庭成员,核酸/抗体,国家防疫,检测查询（全国）,健康信息码）；
       行程码的（〈通信行程卡,通信大数据行程卡,疫情防控，人人有责,请收下绿色行程卡,131**1011的动态行程卡,更新于：2022.04.0307：29：39,您于前14天内到达或途经：江苏省连云,港市,结果包含您在前14天内到访的国家（地区）与停留4小时以上的国内城市,色卡仅对到访地作提醒，不关联健康状况,本服务联合提供,CAICT中国信通院,代中国皂结,◇国移动,%中阳联通,客服热线：10000/10086/10010,一证通查来了！,全国移动电话卡”一证通查”,立即点击进入,防范诈骗，保护你我）
       好吧，准确率还可以，但还是经常有识别不对的，默认都正确吧。

二、提取信息的正则表达式

1.苏康码

代码如下（示例）：

姓    名：(?<=苏康码,)([^苏康码,][\u4e00-\u9fa5]{2,3})
          用后向肯定断言，明确为苏康码和逗号之后的内容，然后是汉字2-3个字，不包含苏康码字样。
身份证号：(\d{3}\*{1,6}\d{3})
          这个简单就不说明了
日    期：(\d{2}-\d{2})
时    间：(\d{4}:\d{2})
颜    色：([\u4e00-\u9fa5]{1}色)

2.行程卡

代码如下（示例）：

颜    色：(?<=请收下)([\u4e00-\u9fa5]{2})(?=行程卡)
           使用了前向肯定断言和后向肯定断言，下边的也基本都一样。
手机号码：(\d{3}\*{1,6}\d{4})(?=的动态行程卡)
更新时间：(?<=更新于.)(.{18})(?=,)
到达或途经地：(?<=到达或途经.)(.{0,3}省.{0,20}市.{0,1})

---

总结

最后批量导出为电子表格就行！效果如图：