Erkennung

Mit der Erkennung liest Docuflair den Inhalt eines gescannten Dokuments automatisch aus – ähnlich wie ein Mensch, der ein gedrucktes Blatt liest. Dabei können Texte (per OCR – optische Zeichenerkennung) und Barcodes auf den Seiten gefunden werden. Die erkannten Informationen können Sie anschließend zum Beispiel als Dateinamen verwenden oder zur Sortierung nutzen.

Erforderliche Berechtigung

Für den Zugriff auf diese Funktion benötigen Sie folgende Berechtigung:

• Erkennungen anzeigen (AdminUI_WorkflowManagement_ListRecognitions)

Berechtigungen vergeben Sie über Gruppen – siehe Berechtigungen – Übersicht.

Die Erkennung durchsucht die Seiten eines gescannten Dokuments mit Text- und Bilderkennungstechniken nach Informationen. Auf einer Seite kann nach folgenden Informationen gesucht werden:

• Barcodes (1D und 2D)
• Text
• Formulartypen
• Maschinenlesbare Reisedokumente (MRTD)

In Docuflair können Sie beliebig viele Erkennungen definieren, wobei sich bei der Suche nach Text und Barcodes der Suchbereich einschränken lässt. Beachten Sie, dass sich die Verarbeitungszeit mit jeder Erkennung erhöhen kann, insbesondere bei der Suche nach Text. Mit einem Klick auf Suchaktion erstellen richten Sie eine neue Erkennung ein.

Um zwischen mehreren Erkennungen unterscheiden zu können, muss jedes Suchergebnis einem Variablennamen zugewiesen werden. Auf diesen Variablennamen können Sie in späteren Verarbeitungsschritten bei der Ausgabe und Speicherung zurückgreifen und ihn zur Prüfung von Bedingungen oder zum Schreiben von Metadaten verwenden.

• In Docuflair dienen Variablen dazu, Daten zu verwalten. Stellen Sie sich eine Variable als Behälter vor, dessen Inhalt sich ändern kann.
• Als bildliches Beispiel können Sie sich ein Paket vorstellen. Das Paket selbst ist die Variable. Der Inhalt des Pakets lässt sich beliebig verändern – im Fall von Docuflair wird das Paket (die Variable) mit erkannten Textstellen oder Barcodes befüllt. Der Inhalt von Variablen wird „Wert“ genannt.
• Ein typisches Beispiel für Variablen beim Programmieren sind Benutzerinformationen. Hier werden zum Beispiel Namen, Adressen und Telefonnummern gespeichert.

Ein in Docuflair gültiger Variablenname beginnt mit einem Buchstaben und darf mit beliebigen alphanumerischen Zeichen und Zahlen fortgesetzt werden, bis zu einer maximalen Länge von 32 Zeichen. Sonderzeichen und Umlaute sind nicht erlaubt. Zwischen Groß- und Kleinschreibung wird unterschieden.

Gültige Variablennamen sind zum Beispiel:

• meinBarcode
• MeinBarcode
• Mein1Barcode
• MeinBarcode1
• barcode
• barcode2020

Ungültige Namen sind zum Beispiel:

• meineVariableHatEinenZuLangenNamenUndWirdNichtFunktionieren33
• 33keineZahlAmAnfang
• Kein/Sonderzeichen
• AuchKein-Minus
• .unzulässigWeilPunktUndUmlaute

Die Suche nach Barcodes und Text erlaubt eine Filterung durch Regular Expressions (Reguläre Ausdrücke). Mit Regular Expressions können Sie nicht benötigte oder unerwünschte Informationen ausfiltern. Eine derartige Anforderung könnte sich aus folgenden Situationen ergeben:

• Es sollen Lieferscheine verarbeitet und dafür ein Barcode ausgelesen werden. Ungünstigerweise werden aber mehrere Barcodes erkannt, weil auch die Logistik Barcodes aufdruckt. Mit Regular Expressions können Sie filtern und nur Barcodes mit einer bestimmten Länge oder einem bestimmten Präfix durchlassen.
• Ein Eingangsdokument der Hauspost soll daraufhin geprüft werden, ob es sich um eine Rechnung oder um eine Mahnung handelt. Mit Regular Expressions können Sie alle übrigen Wörter ausfiltern, die für die weitere Verarbeitung nicht relevant sind.

Reguläre Ausdrücke stellen vor allem eine Art Filterkriterium für Texte dar: Der jeweilige reguläre Ausdruck wird in Form eines Musters mit dem Text abgeglichen. So ist es beispielsweise möglich, alle Wörter zu suchen, die mit D beginnen und mit R enden, ohne die dazwischenliegenden Buchstaben explizit vorgeben zu müssen.

Für die Erstellung von regulären Ausdrücken gelten die folgenden Regeln:

Ausdruck	Beschreibung
. (Punkt)	genau EIN beliebiges Zeichen. Es kann ein A oder ein 9 sein oder eine Leerstelle usw. Aber irgendein Zeichen muss kommen. Genau eines.
- (Minus)	entweder als Bereichs-Angabe, z.B. [A-Z] – ein Großbuchstabe A bis Z ODER, wenn es am Anfang oder am Ende von REGEXP steht, einfach ein Minus (dasselbe wie \-)
Also [A-Z] heißt alle Großbuchstaben von A bis Z, [-A-Z] heißt das Minuszeichen UND alle Großbuchstaben von A bis Z und [A-Z-] heißt ebenfalls alle Großbuchstaben von A bis Z und Minuszeichen.
Wenn das Minuszeichen nicht am Anfang steht, muss es mit \ markiert werden.
\ (backslash)	Hebt die Metafunktionen von Metazeichen auf, z.B. bei der Suche nach einem Punkt im Text. Da der Punkt als solcher eine Metafunktion hat (ein Punkt ersetzt genau ein beliebiges Zeichen, egal, was es ist), würde eine Suche nach . alle möglichen Ergebnisse bringen. Soll tatsächlich nach einem Punkt gesucht werden, muss der Punkt als . geschrieben werden.
^	wenn es in eckigen Klammern steht, negiert es den Inhalt, z.B. [^d-z] heißt keine Kleinbuchstaben zwischen d und z; ansonsten Anfang einer Zeichenkette oder Zeilenanfang (^a heißt also, dass am Anfang a stehen muss).
$	Ende einer Zeichenkette oder Zeilenende, z.B. bei “toller” trifft “r\(” zu, ein “a\)” jedoch nicht.
+	das Zeichen vor dem Plus muss min. einmal bis x-mal vorkommen, z.B. a+ für a, aa, aaa…
*	das Zeichen vor dem Stern muss 0 bis x-mal vorkommen, z.B. a* steht für nichts (0 Vorkommen) bis aaaaaaaa…. x beliebig oft
?	das Zeichen vor dem ? muss 0 bis 1-mal vorkommen, “H..?se” findet ‘Hase’, aber auch ‘Hirse’
{x,y}	Häufigkeit des Vorkommens: x- bis y-mal, z.B. \d{2,4) heißt 2 bis 4 Ziffern, {2,} heißt mindestens 2-mal, {3} heißt genau 3-mal.
[]	genau ein Zeichen, das zwischen den Klammern steht, z.B. [abc] sucht nach Vorkommen von a, b oder c (also nicht den String “abc”, sondern genau einen Buchstaben a oder b oder c. EIN Buchstabe ist gefragt).
()	runde Klammern zur Zusammenfassung der Ausdrücke, z.B. ^(abc
\d	genau eine Ziffer [0-9] (d wie digit)
\D	ein Zeichen, das keine Ziffer ist, also [^\d]
\w	genau ein Buchstabe, eine Ziffer oder der Unterstrich, also [a-zA-Z_0-9] (und evtl. weitere Buchstaben, z. B. Umlaute)
\W	ein Zeichen, das weder Buchstabe noch Zahl noch Unterstrich ist, also [^\w]
\s	Whitespace; meistens die Klasse der Steuerzeichen \f, \n, \r, \t und \v
\S	ein Zeichen, das kein Whitespace ist [^\s]
\b	leere Zeichenkette am Wortanfang oder am Wortende (erkennt Anfang eines Wortes), z.B. ‘\bdies oder das’ findet ‘dies oder das’, aber nicht ‘Paradies und das Weib’
\B	leere Zeichenkette, die nicht den Anfang oder das Ende eines Wortes bildet
\<	leere Zeichenkette am Wortanfang
\>	leere Zeichenkette am Wortende
\n	ein Zeilenumbruch (im Unix-Format)
\t	Tabulator

Docuflair unterstützt verschiedene Modi, wie Reguläre Ausdrücke verarbeitet werden:

Modus	Beschreibung
Keine	Die Suche nach Regular Expressions wird nicht ausgeführt. Der erkannte Inhalt wird ungefiltert der Zielvariablen zugewiesen.
Groß-/Kleinschreibung ignorieren	Sucht nach Regular Expressions, ignoriert aber Unterschiede zwischen Groß- und Kleinschreibung
Mehrzeilig	Führt eine Prüfung über Regular Expressions aus, auch wenn ein Zeilenumbruch im erkannten Text vorhanden ist
Explizite Erfassung	Erfassen von unbenannten Gruppen ausschließen. Die einzigen gültigen Erfassungen sind explizit benannte oder nummerierte Gruppen der Form (?\Unterausdruck).
Einzeilig	Einzeiliger Modus, bei dem der Punkt (.) auf jedes Zeichen passt (statt auf jedes Zeichen außer einem Zeilenumbruch).
Ignorieren von Leerzeichen im Muster	Schließt überflüssige Leerzeichen aus dem Muster aus und aktiviert Kommentare nach einem Nummernzeichen (#).
Von rechts nach links	Ändert die Suchrichtung. Die Suche bewegt sich von rechts nach links statt von links nach rechts.
ECMA-Script	Aktiviert ECMAScript-kompatibles Verhalten für den regulären Ausdruck.
Kulturelle Unterschiede in Sprachen ignorieren	Ignoriert kulturelle Unterschiede in der Sprache.

Suche nach Barcodes

Bei der Suche nach Barcodes kommt eine Mustererkennung zum Einsatz, da gescannte Dokumente normalerweise nur als Bilddaten vorliegen. Die Mustererkennung kann die Verarbeitungszeit geringfügig erhöhen, da in mehreren internen Arbeitsschritten Algorithmen zur Bildverbesserung und -erkennung ausgeführt werden.

Der Begriff „Barcode“ steht im Folgenden für alle 1D- und 2D-Barcodes, umfasst also auch QR-Codes, Aztec-Codes, etc.

Wählen Sie nach dem Anklicken von Suchaktion erstellen als Suchtyp Barcode / QR-Code aus und vergeben Sie im Feld Variable-Name den Namen der Variablen, zum Beispiel MeinBarcode. Wie zuvor beschrieben, wird der Wert des erkannten Barcodes in dieser Variablen abgelegt und kann für die spätere Verarbeitung und Ausgabe wiederverwendet werden. Werden mehrere Barcodes gefunden, werden alle Barcodes in dieser Variablen gespeichert.

In der Auswahlliste Suche Unterkategorie legen Sie fest, ob nach allen Barcode-Typen oder nur nach bestimmten 1D- oder 2D-Barcodes gesucht werden soll. Die Liste der unterstützten Barcode-Typen finden Sie hier.

Ist die Option ganze Seite durchsuchen aktiviert, wird überall nach Barcodes gesucht. Deaktivieren Sie die Option, können Sie den Bereich einschränken und zum Beispiel nur in der Kopf- oder Fußzeile suchen. Da Sie in Docuflair beliebig viele Erkennungen definieren können, lassen sich – wenn sowohl Fuß- als auch Kopfzeile benötigt werden – zwei oder mehr Erkennungen mit jeweils unterschiedlichen Bereichen und eindeutigen Variablennamen konfigurieren.

Die Option Regulärer Ausdruck Modus legt fest, ob und wie eine Filterung mittels regulärer Ausdrücke (siehe oben) erfolgen soll. Dadurch können unerwünschte oder nicht benötigte Textstellen entfernt werden, ehe das Ergebnis der Variablen zugewiesen wird. Tragen Sie im Feld Regulärer Ausdruck das Muster ein, mit dem der Text gefiltert werden soll.

Suche nach Text

Bei der Suche nach Text kommt eine OCR (Optical Character Recognition) zum Einsatz, da gescannte Dokumente normalerweise nur als Bilddaten vorliegen. Die Texterkennung kann sehr zeitintensiv sein, da in mehreren internen Arbeitsschritten Algorithmen zur Bildverbesserung und -erkennung ausgeführt werden. Für hochwertige Resultate muss ein gutes OCR-System in der Lage sein, die wichtigsten Parameter jedes einzelnen Algorithmus anzupassen, auch wenn nur wenige Merkmale der Bilder vorab bekannt sind. Manchmal ist die manuelle Konfiguration der Vorverarbeitung der einzige Weg, die Erkennungsqualität zu verbessern. Bis heute gibt es keine OCR-Systeme, die an die Erkennungsleistung eines Menschen heranreichen, auch wenn der Anteil falsch oder nicht erkannter Zeichen inzwischen in den Promillebereich optimiert werden konnte.

Wählen Sie nach dem Anklicken von Suchaktion erstellen als Suchtyp Text aus und vergeben Sie im Feld Variable-Name den Namen der Variablen, zum Beispiel MeinText. Wie zuvor beschrieben, wird der erkannte Text in dieser Variablen abgelegt und kann für die spätere Verarbeitung und Ausgabe wiederverwendet werden.

Ist die Option ganze Seite durchsuchen aktiviert, wird überall nach erkennbarem Text gesucht. Deaktivieren Sie die Option, können Sie den Bereich einschränken und zum Beispiel nur in der Kopf- oder Fußzeile suchen. Da Sie in Docuflair beliebig viele Erkennungen definieren können, lassen sich – wenn sowohl Fuß- als auch Kopfzeile benötigt werden – zwei oder mehr Erkennungen mit jeweils unterschiedlichen Bereichen und eindeutigen Variablennamen konfigurieren.

Mit Text Hintergrundfarbe suchen Sie nach allen Textstellen, die mit einem farbigen Hintergrund hinterlegt sind, also zum Beispiel mit einem bunten Marker gekennzeichnet wurden.

Die Option Regulärer Ausdruck Modus legt fest, ob und wie eine Filterung mittels regulärer Ausdrücke (siehe oben) erfolgen soll. Dadurch können unerwünschte oder nicht benötigte Textstellen entfernt werden, ehe das Ergebnis der Variablen zugewiesen wird. Tragen Sie im Feld Regulärer Ausdruck das Muster ein, mit dem der Text gefiltert werden soll.

Die OCR-Sprache legt den Zeichensatz und die Wörterbücher fest, die für die Texterkennung zum Einsatz kommen. Diese Angabe ist erforderlich, weil die OCR dadurch bessere Ergebnisse liefert – zum Beispiel kommt die englische Sprache ohne Umlaute aus, während im Französischen andere Sonderzeichen auftreten können.

Mit der OCR Zeichensatz Whitelist schränken Sie die Menge der Zeichen ein, die von der OCR erkannt werden können. Enthält ein Dokument zum Beispiel nur Zahlen, tragen Sie in diesem Feld “0123456789” ein. Die OCR versucht dann, jeden gefundenen Buchstaben einem dieser Zeichen zuzuordnen.

Die OCR Zeichensatz Blacklist definiert Zeichen, die von der OCR auf keinen Fall erkannt werden dürfen. Enthält ein Dokument zum Beispiel niemals mathematische Operatoren, tragen Sie in diesem Feld “+-*/” ein. Die OCR versucht dann, jeden gefundenen Buchstaben einem anderen Zeichen zuzuordnen, das nicht in dieser Liste steht.

Suche nach Formularen

Mit dem Suchtyp Formulare suchen Sie nach zuvor angelernten Formulartypen. Wird ein angelerntes Formular mittels Ähnlichkeitssuche erkannt, wird der Name des Formulars der Variablen zugewiesen.

Weitere Optionen sind für die Formularerkennung nicht erforderlich, da alle relevanten Zonen, die Text oder Barcodes enthalten, bereits beim Anlernen neuer Formulare definiert werden können.

Formularerkennungsmodus

Über den Formularerkennungsmodus legen Sie fest, wie Docuflair nach passenden Formularen sucht:

Modus	Beschreibung
Statisches Formular verwenden	Ein bestimmtes Formular wird fest zugewiesen. Keine automatische Erkennung — das ausgewählte Formular wird direkt auf das Dokument angewendet. Schnellste Verarbeitung.
Formular automatisch erkennen	Docuflair prüft alle verfügbaren Formulare und erkennt automatisch, welches am besten passt (Standard).
Nur nach Formularen mit Bedingungen suchen	Nur Formulare, die Bedingungen definiert haben, werden zur Erkennung herangezogen. Schneller als die vollautomatische Erkennung.

Hinweis

Bei Auswahl von Statisches Formular verwenden erscheint ein zusätzliches Dropdown-Feld Formular, in dem Sie das gewünschte Formular auswählen.

Suche nach MRTD

Mit dem Suchtyp Maschinenlesbare Reisedokumente (MRTD) erkennen und lesen Sie die maschinenlesbare Zone (MRZ) auf Reisepässen, Personalausweisen und anderen Ausweisdokumenten aus. Die MRZ enthält standardisierte Informationen wie Vorname, Nachname, Dokumentennummer, Nationalität und Geburtsdatum gemäß ISO/IEC 7501-1.

Wählen Sie nach dem Anklicken von Suchaktion erstellen als Suchtyp Maschinenlesbare Reisedokumente (MRTD) aus und vergeben Sie im Feld Variable-Name den Namen der Variablen. Die erkannten MRZ-Daten werden automatisch in einzelne Felder (z.B. Vorname, Nachname) aufgeschlüsselt und der Variablen zugewiesen.

Im Gegensatz zu den anderen Suchtypen sind für die MRTD-Erkennung keine weiteren Konfigurationsoptionen erforderlich – die gesamte Seite wird automatisch nach der maschinenlesbaren Zone durchsucht, und die enthaltenen Daten werden mittels einer spezialisierten OCR-Engine erkannt und geparst.

Lizenz erforderlich

Die MRTD-Erkennung ist eine optionale Funktion und setzt eine entsprechende Docuflair-Lizenz voraus. Ohne aktive Lizenz wird dieser Suchtyp nicht angezeigt.