适配多国酒店账单的供应商、时间、日期、货币正则表达式需求

现有酒店账单来自印度、西班牙等多个国家，当前正则仅支持印度账单格式，需要适配多国规则提取供应商、时间、日期、货币四个字段，目前非印度账单的日期、货币提取失败，现有尝试代码如下：

原有尝试代码 #

时间提取代码 #

Regex timeRegex = new Regex(@"\b\d{1,2}:\d{2}\b");
Match timeMatch = timeRegex.Match(Result.Text);
if (timeMatch.Success)
{
    expenseOcr.processedFields.Time = timeMatch.Value.Trim();
}

日期提取代码（原标注错误的供应商提取代码实际为日期正则） #

// extract date
Regex dateRegex = new Regex(@"\b(?=\d{2}[ /.-](?:\d{2}|[a-zA-Z]{3,})[ /.-]\d{2,4})(?:\d{1,2}[ /.-])?(?:(?:Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)[a-z]*)?[ /.-]?\d{1,2}[ /.-]?\d{2,4}\b");
Match dateMatch = dateRegex.Match(Result.Text);
if (dateMatch.Success)
{
    expenseOcr.processedFields.Date = dateMatch.Value.Trim();
}

货币提取代码（仅支持INR） #

string currencyCode = "en-IN"; // Example value - replace with your actual currency code
if (!string.IsNullOrEmpty(currencyCode))
{
    try
    {
        CultureInfo cultureInfo = CultureInfo.GetCultureInfoByIetfLanguageTag(currencyCode);
        RegionInfo regionInfo = new RegionInfo(cultureInfo.Name);
        expenseOcr.processedFields.Currency = regionInfo.ISOCurrencySymbol;
    }
    catch (CultureNotFoundException)
    {
        try
        {
            CultureInfo cultureInfo = CultureInfo.CreateSpecificCulture(currencyCode);
            RegionInfo regionInfo = new RegionInfo(cultureInfo.Name);
            expenseOcr.processedFields.Currency = regionInfo.ISOCurrencySymbol;
        }
        catch (ArgumentException)
        {
            // Handle invalid currency code
        }
    }
}

适配多国格式的优化方案 #

1. 日期提取（支持多国常见格式） #

优化正则，覆盖DD/MM/YYYY、MM/DD/YYYY、DD-MMM-YYYY（含英文/西班牙文月份缩写）、DD.MM.YYYY、DD/MM/AA等格式：

// 支持英文月份(Jan-Dec)、西班牙文月份(Ene-Dic)，以及多种分隔符和日期格式
Regex dateRegex = new Regex(
    @"\b(?:(?:0?[1-9]|[12]\d|3[01])[./-](?:0?[1-9]|1[012])[./-](?:\d{4}|\d{2})|" +
    @"(?:0?[1-9]|[12]\d|3[01])[./-](?:Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec|Ene|Feb|Mar|Abr|May|Jun|Jul|Ago|Sep|Oct|Nov|Dic)[a-z]*[./-](?:\d{4}|\d{2})|" +
    @"(?:Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec|Ene|Feb|Mar|Abr|May|Jun|Jul|Ago|Sep|Oct|Nov|Dic)[a-z]*[./-](?:0?[1-9]|[12]\d|3[01])[./-](?:\d{4}|\d{2}))\b",
    RegexOptions.IgnoreCase);

Match dateMatch = dateRegex.Match(Result.Text);
if (dateMatch.Success)
{
    expenseOcr.processedFields.Date = dateMatch.Value.Trim();
}

说明：正则包含了西班牙文月份缩写（Ene=一月、Abr=四月、Ago=八月、Dic=十二月），同时支持斜杠、点、横杠三种分隔符，兼容两位/四位年份。

2. 时间提取（支持24小时制/12小时制） #

原正则仅匹配HH:MM，优化后支持带AM/PM的12小时制格式：

// 匹配24小时制(HH:MM)或12小时制(HH:MM AM/PM)
Regex timeRegex = new Regex(@"\b\d{1,2}:\d{2}(?:\s?(?:AM|PM|am|pm))?\b", RegexOptions.IgnoreCase);
Match timeMatch = timeRegex.Match(Result.Text);
if (timeMatch.Success)
{
    expenseOcr.processedFields.Time = timeMatch.Value.Trim();
}

3. 货币提取（支持多国货币） #

去掉硬编码的区域代码，改为从文本中提取货币符号或代码，再映射为ISO标准符号：

// 提取文本中的货币符号或代码（如₹、€、$、INR、EUR、USD）
Regex currencyRegex = new Regex(@"\b(?:INR|EUR|USD|GBP|CAD|AUD|₹|€|\$|£)\b", RegexOptions.IgnoreCase);
Match currencyMatch = currencyRegex.Match(Result.Text);

if (currencyMatch.Success)
{
    string currencySymbol = currencyMatch.Value.ToUpper();
    // 映射符号到ISO代码
    switch (currencySymbol)
    {
        case "₹":
            expenseOcr.processedFields.Currency = "INR";
            break;
        case "€":
            expenseOcr.processedFields.Currency = "EUR";
            break;
        case "$":
            // 可根据账单来源进一步区分USD/CAD/AUD，这里默认USD，或结合其他逻辑
            expenseOcr.processedFields.Currency = "USD";
            break;
        case "£":
            expenseOcr.processedFields.Currency = "GBP";
            break;
        default:
            expenseOcr.processedFields.Currency = currencySymbol;
            break;
    }
}
else
{
    //  fallback：尝试从文本语言推断（可选）
    // 这里可以根据账单中的其他语言特征调整，比如西班牙文账单默认EUR
}

说明：如果需要更精准的货币识别，可以结合账单中的语言关键词（如西班牙文的"Euro"）或金额格式（如西班牙用逗号做千位分隔符）进一步判断。

4. 供应商（酒店名称）提取 #

酒店名称通常在账单顶部，包含"Hotel"、"Resort"、"Inn"、"Hostal"（西班牙文旅馆）等关键词，正则匹配连续的名称文本：

// 匹配包含酒店相关关键词的供应商名称，排除日期、金额等干扰项
Regex vendorRegex = new Regex(@"\b(?:Hotel|Resort|Inn|Hostal|Posada)[\s\w&'-]+", RegexOptions.IgnoreCase);
Match vendorMatch = vendorRegex.Match(Result.Text);

if (vendorMatch.Success)
{
    expenseOcr.processedFields.Vendor = vendorMatch.Value.Trim();
}
else
{
    //  fallback：匹配账单开头的连续文本（假设供应商在最顶部）
    Regex fallbackVendorRegex = new Regex(@"^[\s\w&'-]+", RegexOptions.Multiline);
    Match fallbackMatch = fallbackVendorRegex.Match(Result.Text);
    if (fallbackMatch.Success)
    {
        expenseOcr.processedFields.Vendor = fallbackMatch.Value.Trim();
    }
}

说明：针对西班牙账单加入了西班牙语的住宿关键词（Hostal、Posada），如果账单格式特殊，可以根据实际样本调整关键词。

内容的提问来源于stack exchange，提问作者Rahul Gadhave