RegexExtract

⚠️ regexExtract 对 MongoDB、SQLite 和 SQL Server 不可用。对于 Druid，regexExtract 仅对 Druid-JDBC 驱动程序可用。

regexExtract 使用 正则表达式（regex） 来获取文本的特定部分。

regexExtract 非常适合结构很少或没有结构的文本，例如 URL 或自由格式的调查响应。如果您处理的是格式可预测的字符串，如 SKU 号、ID 或其他类型的代码，请考虑使用更简单的 substring 表达式。

使用 regexExtract 创建自定义列，为以下内容提供更短、更易读的标签：

• 筛选下拉菜单，
• 图表标签，或
• 嵌入式参数。

搜索和清理文本

假设您有包含大量不同 URL 的 Web 数据，并且您想将每个 URL 映射到一个更短、更易读的广告系列名称。

您可以创建一个名为 **广告系列名称** 的自定义列，使用表达式：

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

在这里，正则表达式模式 ^[^?#]+\? 匹配所有有效的 URL 字符串。您可以将 utm_campaign= 替换为您喜欢的任何查询参数。在正则表达式模式的末尾，捕获组 (.*) 获取 utm_campaign= 查询参数之后的所有字符。

现在，您可以在需要干净标签的地方使用 **广告系列名称**，例如 筛选下拉菜单、图表 和 嵌入式参数。

支持的数据类型

限制

regexExtract 对 MongoDB、SQLite 和 SQL Server 不可用。对于 Druid，regexExtract 仅对 Druid-JDBC 驱动程序可用。

正则表达式可能是一门晦涩的学问。您已被警告。

相关函数

本节介绍了与 Metabase regexExtract 表达式工作方式相同的函数和公式，并附有关于如何为您的用例选择最佳选项的说明。

Metabase 表达式

• substring

其他工具

• SQL
• 电子表格
• Python

Substring

当您想搜索格式一致（字符数相同，字符顺序相同）的文本时，请使用 substring。

例如，您无法使用 substring 从 URL 示例数据 中提取查询参数，因为 URL 路径和参数名称的长度都是可变的。

但是，如果您想提取 https://www. 之后和 .com 之前的任何内容，您可以使用以下任一方法：

substring([URL], 13, 8)

或

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

SQL

当您使用 笔记本编辑器 运行问题时，Metabase 会将您的图形查询设置（筛选器、汇总等）转换为查询，并针对数据库运行该查询以获取结果。

如果我们的 示例数据 存储在 PostgreSQL 数据库中，则

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

等同于 Metabase regexExtract 表达式

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

电子表格

如果我们的 示例数据 在电子表格中，“URL”位于 A 列，则电子表格函数

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

使用几乎与 Metabase 表达式相同的语法

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

Python

假设 示例数据 存储在一个名为 df 的数据框列中，则

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

执行与 Metabase regexExtract 表达式相同的操作

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

延伸阅读

• 自定义表达式文档
• 自定义表达式教程