步骤 8. 配置 Sick Note BE-NL 活动

我们已经完成了 “Sick Note DE” 活动的配置，现在准备为另一类病假条创建第二套 Extraction Rules。

荷兰和比利时病假条的结构与德国文档有很大不同。这一类内部有许多变体，因此这次我们无法使用 Fast Learning 活动来提取任何字段。这些文档包含一些德国病假条中没有的附加信息，因此在配置活动时我们还会添加一些新的字段。

我们将先提取所有文档中都具备的数据，然后再向数据表单中添加一些新字段。

您无需关闭 Activity Editor 就可以切换到另一个活动。点击技能名称旁边当前活动的名称，并在下拉列表中选择 “Sick Note BE-NL”。选择该集合中的第一份文档。

​

提取签发日期

这些文档中的日期可以通过 Date 元素轻松提取，因此这次我们将使用为此字段自动创建的搜索元素。

1. 在 Fields 选项卡中打开 Manage Fields 对话框，并选择要在此活动中使用的 “Date” 字段。点击 Save。
2. 转到 Search Elements 选项卡。您将看到为 “Date” 字段创建的 Date 类型搜索元素。该元素会自动映射到该字段。
3. 创建一个名为 “IssueDateGroup” 的 Group 搜索元素。将该元素设为可选。
4. 添加一个名为 “kwDate” 的 Static Text 元素，用于查找标签，以帮助我们定位实际日期。
5. 此文档类别包含荷兰语或法语的文档，因此标签文本有多个选项。您可以在 Text to find 对话框中将每个选项分别输入到新的一行。第一行输入文本 “Date”，第二行输入 “Datum”。
6. 禁用 Search for parts of words 选项。
7. 将 “Date” 搜索元素拖放到该组中，并将其放在 “kwDate” 元素下面。
8. 为 “Date” 元素指定搜索区域。
   a. 删除在创建该元素时自动添加的 Nearest to 关系。 b. 选择 “kwDate” 元素作为与我们要查找的元素最近的元素。
   c. 日期可能位于关键字的右侧或下方。在 “kwDate” 元素下方指定搜索区域。
   d. 搜索区域还应包含关键字所在的那一行。点击元素名称右侧的底部边界图标，并选择 Top Boundary of Region。由于各行可能不在同一水平线上，将 Below 值设置为 -10，以便将搜索区域稍微向上扩展到该行之上。
9. 点击 Match，以确保日期被正确定位。

搜索元素的结构应如下图所示：

​

提取病假日期

我们将使用 Key value 元素来提取这些日期。Key value 元素允许同时搜索静态文本标签及其对应的值。不过，它无法容忍值在位置和属性上的过大变化。

在这些文档中，病假日期的格式是每个日期组成部分都位于表格的单独单元格中。表格单元格在每份文档中的具体位置可能并不标准，但它们之间的相对位置始终相同。我们不能指望表格单元格边界总是非常清晰，但仍然会使用 Table Cell 元素，因为它支持模糊边界，而且如果我们决定在更多文档上训练该活动，它也会很方便。因此，我们将使用 Group 元素来组织搜索元素的层级结构。

您不仅可以对位于文档表格中的字段使用 Table Cell 元素。如果您需要从表单中提取数据，而内容位于类似的方框或类表格结构中，它也会很有用。如果这些方框具有清晰的分隔线，Table Cell 元素会非常有效。

1. 打开 Manage Fields 对话框，并向当前活动添加以下字段：

   • Start Date
   • End Date

   点击 Save。

2. 转到 Search Elements 选项卡，为开始日期提取创建 Group 元素。为组中包含的元素设置以下参数：

Parameter	Value
Group search element:
Name	StartDateGroup
Static Text search element:
Name	kwStartDate
Text to find	Vanaf / From, A partir du, Van
Search for parts of words	Disabled
Table Cell search elements:
Name	StartDateDay
Search pattern	Number
Character count	{1, 1, 3, 3}
Search for parts of words	Disabled
Search area	Below the “kwStartDate” element, nearest to “kwStartDate”
Table Cell search element:
Name	StartDateMonth
Search pattern	Number
Character count	{1, 1, 3, 3}
Search for parts of words	Disabled
Search area	Below the “kwStartDate” element, right of “StartDateDay”, nearest to “StartDateDay”
Table Cell search element:
Name	StartDateYear
Search pattern	Number
Character count	{2, 2, 4, 4}
Search for parts of words	Disabled
Search area	Below the “kwStartDate” element, right of “StartDateMonth”, nearest to “StartDateMonth”

Table Cell 元素会按原样返回单元格中的文本。在此情况下，搜索模式包含一个 Number，它只识别数字，因此该元素返回的文本将是一个数字。

3. 创建 “StartDateGroup” 元素的副本，并将其重命名为 “EndDateGroup”。

4. 重命名组的子元素：将 “kwStartDate” 改为 “kwEndDate”，将 “StartDateDay” 改为 “EndDateDay”，将 “StartDateMonth” 改为 “EndDateMonth”，将 “StartDateYear” 改为 “EndDateYear”。

5. 将 “kwEndDate” 元素的 Text to find 更改为 “Tot en met / Till and incl., Jusqu’ au, Tot en met”。

6. 为 “EndDateDay” 元素指定搜索区域。它应位于 “kwEndDate” 元素的下方，并且最靠近该元素。删除其他关系。

7. 打开 Manage Fields 对话框，并添加名为 “Start Date Composed” 的 Data Composition Field。将以下元素映射到字段：

   • “StartDateDay” 到 Day
   • “StartDateMonth” 到 Month
   • “StartDateYear” 到 Year

   点击 Save。

8. 创建名为 “End Date Composed” 的 Data Composition Field。将以下元素映射到字段：

   • “EndDateDay” 到 Day
   • “EndDateMonth” 到 Month
   • “EndDateYear” 到 Year

   点击 Save。

9. 将 “Start Date Composed” 和 “End Date Composed” 数据组合字段映射到 “Start Date” 和 “End Date” 字段。

搜索元素的结构应如下图所示：

​

提取病假条类型

我们将像处理德国文档时那样，通过复选标记来提取病假条的类型。

1. 在 Fields 选项卡上打开 Manage Fields 对话框，并启用 “Type of Sick Note” 复选标记组。启用组中的 “Primary” 和 “Secondary” 复选标记，以便在当前活动中使用。点击 Save。
2. 构建一个与德国文档类似的结构，但请注意，在荷兰和比利时文档中，标签（复选标记旁边的文本）是在前面的。此类组的子元素顺序确实很重要。a. 创建一个名为 “TypeOfSickNoteGroup” 的 Group 元素。 b. 复制此组并将其重命名为 “PrimaryGroup”。将其放入 “TypeOfSickNoteGroup” 中。 c. 向 “PrimaryGroup” 组添加一个名为 “kwCheckmark” 的 Static Text 元素。 d. 将要查找的文本设置为 “eerste / Primary, première, primair”。

在这些文档中，复选标记旁边的文本位于复选标记的左侧，因此我们将搜索区域设置在其左侧，而不是右侧。

根据下表配置其余元素：

Parameter	Value
Static Text search element:
Name	Checkmark
Text to find	X
Character count	{1, 1, 3, 3}
Search for parts of words	Disabled
Search area	Right of “kwCheckmark”, nearest to “kwCheckmark”
Static Text search element:
Name	XMark
Text to find	X
Character count	{1, 1, 3, 3}
Search for parts of words	Disabled
Search area	Below the “kwCheckmark” top boundary, Below value = -15, Left of “kwCheckmark”, Above the “kwCheckmark” bottom boundary, Above value = -15, Nearest to “kwCheckmark”
Under what conditions	Do not find element if “Checkmark” is found
Region search element:
Name	CheckmarkRegion
Search Conditions section of the Code Editor	if Checkmark.IsFound then RSA: Checkmark.Rect; else if XMark.IsFound then RSA: XMark.Rect; else DontFind;

e. 复制 “PrimaryGroup” 并将其重命名为 “SecondaryGroup”。将其 “kwCheckmark” 元素的 Text to find 更改为 “prolongation”, “verlenging”。 f. 德国病假条分为两种类型。与之不同的是，荷兰和比利时病假条分为三种类型（“relapse”是额外的一种类型）。因此，再复制一份 “PrimaryGroup” 组并将其重命名为 “RelapseGroup”。 g. 将其 “kwCheckmark” 元素的 Text to find 更改为 “Herval”，并启用 Match case 选项，以排除出现在句子中间的单词。

搜索元素的结构应如下图所示：

3. 打开 Manage Fields 窗口，在 “Type of Sick Note” 复选标记组中添加一个 “Relapse” 复选标记。启用组中的所有复选标记以在当前活动中使用，然后点击 Save。
4. 将这些复选标记映射到相应的 Region 元素，并删除在启用这些字段时自动创建的元素。

​

测试活动

我们已经配置了所有必要的搜索元素和字段。选择所有文档，点击 Match，然后切换到 Fields 选项卡，在文档图像上查看字段区域。请注意，只有当某个区域属于最佳路径中的假设时，才会被分配给字段。

当您对结果感到满意时，点击文档图像上方的复制图标，将预测标注复制到参考标注。