Перейти к содержанию

regexextract

regexextract использует регулярные выражения (regex) для получения определённой части вашего текста. Регулярные выражения — это шаблоны, используемые для сопоставления последовательностей символов в строках.

regexextract идеально подходит для текста, который практически не имеет структуры, например URL или ответы на опросы в произвольной форме. Если вы работаете со строками в предсказуемых форматах, таких как SKU (идентификаторы товарной позиции), другие идентификаторы или типы кодов, вместо этого используйте более простое выражение подстрока.

Используйте regexextract для создания пользовательских столбцов с более короткими и более читаемыми метками для:

  • фильтрации выпадающих меню,
  • меток диаграмм,
  • параметров для встраивания.
Синтаксис Пример
regexextract(текст, регулярное-выражение) regexextract("regexextract", "ex(.*)")
Получает определённую часть текста с помощью регулярного выражения. "extract"

Поиск и очистка текста

Допустим, у вас есть веб-данные с множеством разных URL, и вы хотите видеть каждый URL с более коротким и более читаемым названием кампании.

URL Название кампании
https://www.metabase.com/docs/?utm_campaign=alice alice
https://www.metabase.com/learn/?utm_campaign=neo neo
https://www.metabase.com/glossary/?utm_campaign=candy candy

Вы можете создать настраиваемый столбец Название кампании с выражением:

regexextract([URL], "^[^?#]+\?utm_campaign=(.*)")

Здесь шаблон получения текста ^[^?#]+\? соответствует всем допустимым строкам URL (oreilly.com, англ.). Вы можете заменить utm_campaign= любым параметром запроса, который вам нравится. В конце шаблона извлечения текста группа захвата регулярного выражения (developer.mozilla.org, англ.) (.*) получает все символы, которые появляются после параметра запроса utm_campaign=.

Теперь вы можете использовать Название кампании там, где вам нужны чистые метки, например, в выпадающих меню фильтров, диаграммах и параметрах встраивания.

Допустимые типы данных

Тип данных Работает с regexextract
Строка ✅
Число ❌
Дата Время ❌
Условие ❌
JSON ❌

Информацию о типах данных можно получить в разделе обучения документации Metabase (англ.).

Ограничения

Извлечение текста с помощью регулярных выражений требует внимательности и терпения. Легко допустить ошибку и получить неожиданный результат.

regexextract не поддерживается в H2 (включая образец базы данных Sample Database), SQL Server, MongoDB и SQLite. Для поддержки в Druid нужно использовать драйвер Druid-JDBC.

Связанные функции

В этом разделе рассматриваются функции и формулы, которые работают так же, как выражение Glarus BI regexextract.

Выражения Glarus BI

Другие инструменты

Подстрока

Используйте substring, если вы хотите найти текст, который имеет согласованный формат (то же количество символов и тот же относительный порядок этих символов).

В примере вы не сможете использовать substring для получения параметра запроса из образца данных URL, потому что пути URL и имена параметров имеют переменную длину.

Но если вы хотите вытащить всё после https://www. и до .com, вы можете сделать это с помощью:

substring([URL], 13, 8)

или

regexextract([URL], "^(?:https?:\/\/)?(?:[^@\/\n]+@)?(?:www\.)?([^:\/.\n]+)")

SQL

Когда вы создаёте запрос с помощью конструктора запросов, Glarus BI преобразует ваши графические настройки (фильтры, сводки и т.д.) в запрос и запускает этот запрос в вашей базе данных, чтобы получить результаты.

Если примеры данных хранятся в базе данных PostgreSQL:

SELECT
    url,
    SUBSTRING(url, '^[^?#]+\?utm_campaign=(.*)') AS campaign_name
FROM follow_the_white_rabbit

эквивалентное выражение в Glarus BI с regexextract:

regexextract([URL], "^[^?#]+\?utm_campaign=(.*)")

Таблицы

Если наши примеры данных находятся в электронной таблице, где «URL» находится в столбце A, функция электронной таблицы

regexextract(A2, "^[^?#]+\?utm_campaign=(.*)")

использует почти тот же синтаксис, что и выражение Glarus BI:

regexextract([URL], "^[^?#]+\?utm_campaign=(.*)")

Python

Предполагая, что пример данных находится в структуре данных df:

df['Campaign Name'] = df['URL'].str.extract(r'^[^?#]+\?utm_campaign=(.*)')

делает то же самое, что и выражение Glarus BI regexextract:

regexextract([URL], "^[^?#]+\?utm_campaign=(.*)")

Дополнительная информация