使用 Qlik Regex 组织混乱的评论字段

Source: Dev.to

自由文本字段既是福也是祸。
它们为用户提供了灵活性，但从报表的角度来看，这些字段往往杂乱、格式不统一，且难以处理。在本例中，客户有一个 Comments（评论）字段，用户手动输入信息，其中包含了他们在报表中需要的特定代码。

表面上的需求很简单：

从自由文本评论字段中提取代码。

但实际操作中……并不那么简单。

问题

源字段大致如下：

"Breakdown reported – REF12345 vehicle unavailable"
"Job completed ABC 67890 no further action"
"Awaiting parts – no reference provided"

代码的规则是一致的：

• 3 个大写字母
• 可选空格
• 5 位数字

有效代码示例：

• ABC12345
• ABC 12345

挑战在于：

• 代码可能出现在文本的任何位置。
• 有些记录根本不包含代码。
• 我们需要一个干净的输出，以便进行过滤和分析。

为什么使用正则表达式？

你可以尝试使用 Mid()、Left() 或 Index() 等字符串函数来解决，但当出现以下情况时，这种方法很快就会失效：

• 代码的位置不固定。
• 空格不一致。
• 文本中噪音很多。

正则表达式（regex）正是为这种模式匹配而设计的。

解决方案

下面是我使用的表达式：

Coalesce(
    Replace(
        ExtractRegEx(
            [Comments],
            '[A-Z]{3}\s?\d{5}',
            1
        ),
        ' ',
        ''
    ),
    'NOT FOUND'
)

步骤 1：使用 ExtractRegEx 提取代码

ExtractRegEx(
    [Comments],
    '[A-Z]{3}\s?\d{5}',
    1
)

正则模式

• [A-Z]{3} → 恰好 3 个大写字母
• \s? → 可选空格
• \d{5} → 恰好 5 位数字

这告诉 Qlik：“找出第一个出现的三个字母后跟五个数字的组合，空格可有可无。”
如果没有匹配项，ExtractRegEx() 会返回 NULL。

步骤 2：去除空格（如果存在）

Replace(…, ' ', '')

如果原始文本是 ABC 12345，此步骤会将其转换为 ABC12345。
输出始终保持一致，这对后续的连接、过滤和比较至关重要。

步骤 3：使用 Coalesce 处理缺失的代码

Coalesce(…, 'NOT FOUND')

当不存在匹配的代码时，ExtractRegEx() 返回 NULL。将所有内容包装在 Coalesce() 中，可将这些 NULL 替换为有意义的值：NOT FOUND。这样可以让结果：

• 更易于用户理解
• 更易于在应用中进行过滤
• 对下游逻辑更安全

最终结果

干净、一致，随时可用于分析。

为什么这很重要

在 Qlik 中使用正则表达式可以让你：

• 从非结构化文本中提取结构化数据
• 减少手动数据清洗工作
• 构建更可靠的 KPI 和维度
• 优雅地处理真实世界中混乱的用户输入

如果你需要处理评论、备注、描述或参考字段，正则表达式是可以加入 Qlik 工具箱的最强大工具之一。