正则表达式提取

⚠️ regexextract 在 MongoDB、SQLite 和 SQL Server 中不可用。对于 Druid，regexextract 仅适用于 Druid-JDBC 驱动。

regexextract 使用 正则表达式 (regex) 来获取您的文本的特定部分。

regexextract 对于结构简单或无结构的文本非常理想，例如 URL 或自由形式的调查响应。如果您处理的是具有可预测格式的字符串，如 SKU 号码、ID 或其他类型的代码，请考虑更简单的 substring 表达式。

使用 regexextract 创建自定义列，以便使用更短、更易读的标签，例如

• 筛选下拉菜单，
• 图表标签，或
• 嵌入参数。

搜索和清理文本

假设您拥有包含大量不同 URL 的网络数据，您希望将每个 URL 映射到更短、更易读的活动名称。

您可以使用以下表达式创建自定义列 活动名称

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。正则表达式模式的末尾，捕获组 (.*) 获取查询参数 utm_campaign= 之后的所有字符。

现在，您可以在需要干净标签的地方使用 活动名称，例如 筛选下拉菜单、图表 和 嵌入参数。

接受的数据类型

限制

regexextract 在 MongoDB、SQLite 和 SQL Server 中不可用。对于 Druid，regexextract 仅适用于 Druid-JDBC 驱动。

正则表达式可能是一种黑暗的艺术。请注意。

相关函数

本节介绍了与 Metabase regexextract 表达式具有相同工作方式的函数和公式，并提供了有关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

当您想搜索具有一致格式（相同数量的字符和相同字符的相对顺序）的文本时，请使用 substring。

例如，您无法使用substring从URL示例数据中获取查询参数，因为URL路径和参数名都具有可变长度。

但如果您想提取位于https://www.之后和.com之前的所有内容，您可以使用以下方法之一

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、摘要等）转换为查询，并运行该查询以获取结果。

如果我们的样本数据存储在PostgreSQL数据库中

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

等同于Metabase的regexextract表达式

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

电子表格

如果我们的样本数据在包含“URL”列A的电子表格中，电子表格函数

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

与Metabase表达式的语法几乎相同

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

Python

假设样本数据位于名为df的dataframe列中

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

与Metabase的regexextract表达式执行相同操作

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

进一步阅读

• 自定义表达式文档
• 自定义表达式教程