Ferramenta RegEx

Use a ferramenta RegEx para usar a sintaxe de expressão regular para separar, corresponder ou substituir dados.

Configurar a ferramenta

1. Selecione Coluna a ser analisada.
2. Insira sua Expressão regular. Use o botão com sinal de adição para ver expressões regulares comuns. Veja mais informações no site Perl Regular Expression Syntax.
   • Marque Diferenciar maiúsculas de minúsculas para a pesquisa diferenciar maiúsculas de minúsculas.
3. Selecione oMétodo de saída que será usado durante a análise e configure as propriedades relacionadas.
   • Substituir: substitua a expressão que você pesquisou por uma segunda expressão.
     • Substituir por: digite uma expressão para substituir sua expressão regular original identificando o grupo marcado pelo qual a expressão será substituída. Use o botão de sinal de adição para ver expressões regulares comuns.
     • Marque Copiar texto não correspondido para a saída para copiar o texto não correspondido para a saída.
   • Tokenizar: separe os dados recebidos usando uma expressão regular. Essa opção funciona de forma semelhante à ferramenta Texto para Colunas, mas em vez de fazer a correspondência e remover o que você não quer, você faz a correspondência com o que deseja manter. A correspondência deve ser feita com o token inteiro e, se houver um grupo marcado, somente aquela parte é retornada. Veja abaixo alguns Exemplos do método Tokenizar.
     • Dividir em colunas: divida uma única coluna de dados em múltiplas colunas, em cada instância do delimitador especificado.
       • Número de colunas de saída: defina quantas colunas devem ser criadas.
       • Cabeçalho da coluna de saída: insira o nome que deve servir de base para as colunas recém-geradas. As novas colunas são nomeadas com o nome raiz acrescido de um número crescente em série.
       • Se houver colunas extras na saída: selecione o comportamento aplicado à colunas extras.
         • Não inclui: os dados que se estendem após a divisão são descartados e nenhum aviso é gerado.
         • Não inclui e exibe um aviso: os dados que se estendem após a divisão são descartados e um aviso é gerado indicando que houve informações excedentes.
         • Erro (parar processamento de dados): os dados que se estendem após a divisão causam um erro e o processamento do fluxo de trabalho é interrompido.
     • Dividir em linhas: divida uma única coluna de dados em múltiplas linhas, em cada instância do delimitador especificado. Use uma coluna de chave em seu registro para que você não perca o controle sobre qual valor veio de qual linha.
   • Analisar: separe a expressão em novas colunas e defina o Nome, o Tipo e o Tamanho das novas colunas. Uma nova coluna é criada na tabela Colunas de saída com os seguintes parâmetros:
     • Nome: clique sobre o nome da coluna para inserir um novo nome.
     • Tipo: use a lista suspensa para selecionar o novo tipo de dados.
     • Tamanho: clique sobre o número para inserir um novo tamanho para os dados.
     • Expressão: preenchido automaticamente.
   • Corresponder: acrescente uma coluna contendo o número 1 se a expressão for correspondida e 0 se não for.
     • Nome da coluna para o status de correspondência: forneça um nome para a coluna acrescentada.
     • Gerar erro se não houver correspondência: marque para gerar um erro caso não haja correspondência entre a expressão e a cadeia de caracteres para encerrar o processamento do fluxo de trabalho.

Exemplos do método Tokenizar

Estes casos de uso são baseados no método Tokenizar da ferramenta Regex.

• Separe uma cadeia de nove caracteres 123456789 em três campos. A expressão regular é ....
• Separe uma cadeia de nove caracteres em três campos, retornando somente o segundo caractere. A expressão regular é .(.)..
• Separe um campo com o delimitador Ctrl-A. A expressão regular para tokenizar uma cadeia de caracteres delimitada por Ctrl-A é [^\cA]+.
  • [^...] Os colchetes especificam uma correspondência com um único caractere em um conjunto de caracteres. Iniciar o conjunto com ^ altera a expressão para corresponder a qualquer caractere que não esteja no conjunto.
  • \cA Isto simplesmente corresponde ao caractere Ctrl-A.
  • + Isto determina que a correspondência seja feita a um ou mais caracteres anteriores.
•  Permitir que tokens em branco preservem entradas: abc, ,def. A expressão regular é ([^,]*) (?:,|$).
  • (...) Os parênteses criam um grupo marcado na expressão. O modo tokenizar permite fazer a correspondência a uma parte maior do campo de entrada, mas retornar somente um subconjunto marcado. Dessa forma, você evita retornar o delimitador. Você pode ter somente uma expressão marcada.
  • [^,] Iniciar o conjunto com ^ altera a expressão para corresponder a qualquer caractere que não esteja no conjunto, neste caso ,.
  • * determina que a correspondência seja feita a zero ou mais dos caracteres anteriores, permitindo um conjunto vazio. Você não pode terminar aqui porque o mecanismo RegEx não gosta de uma correspondência a zero caracteres, pois isso leva a um número infinito de correspondências, então é preciso terminar a correspondência de outra forma.
  • (?:....) é um grupo não marcado. Precisamos disso para o or, para o qual usamos uma |.
  • | corresponde ao que vem antes ou depois, mas não ambos. Quase sempre precisa ser usada com um grupo marcado ou não marcado.
  • $ corresponde ao final da cadeia de caracteres. Portanto, (?:,|$)corresponde a , ou ao final da cadeia de caracteres.
• Analisar links HTML de uma página inicial. A expressão regular é <a .*?>.*?</a>. Isso extrai todos os links de um documento HTML e os coloca em uma série de linhas.
  • <a é uma correspondência literal para o texto "<a."
  • .*?. é qualquer caractere, * é zero ou mais. O ? modifica o * para fazer com que o texto correspondido seja o mais curto possível. Sem isso, a expressão pode encontrar um único token desde o início do primeiro link até o final do último.
  • > Esta é uma correspondência literal para o texto ">."
  • .*? A correspondência mais curta possível de quaisquer caracteres que ainda satisfaça a RegEx inteira.
  • </a> É uma correspondência literal para o texto "</a>." Isso termina a correspondência.