Excel найти заменить регулярные выражения

Одной из самых трудоемких и неприятных задач при работе с текстом в Excel является парсинг — разбор буквенно-цифровой «каши» на составляющие и извлечение из нее нужных нам фрагментов. Например:

• извлечение почтового индекса из адреса (хорошо, если индекс всегда в начале, а если нет?)
• нахождение номера и даты счета из описания платежа в банковской выписке
• извлечение ИНН из разношерстных описаний компаний в списке контрагентов
• поиск номера автомобиля или артикула товара в описании и т.д.

Обычно во подобных случаях, после получасового муторного ковыряния в тексте вручную, в голову начинают приходить мысли как-то автоматизировать этот процесс (особенно если данных много). Решений тут несколько и с разной степенью сложности-эффективности:

• Использовать встроенные текстовые функции Excel для поиска-нарезки-склейки текста: ЛЕВСИМВ (LEFT), ПРАВСИМВ (RIGHT), ПСТР (MID), СЦЕПИТЬ (CONCATENATE) и ее аналоги, ОБЪЕДИНИТЬ (JOINTEXT), СОВПАД (EXACT) и т.д. Этот способ хорош, если в тексте есть четкая логика (например, индекс всегда в начале адреса). В противном случае формулы существенно усложняются и, порой, дело доходит даже до формул массива, что сильно тормозит на больших таблицах.
• Использование оператора проверки текстового подобия Like из Visual Basic, обернутого в пользовательскую макро-функцию. Это позволяет реализовать более гибкий поиск с использованием символов подстановки (*,#,? и т.д.) К сожалению, этот инструмент не умеет извлекать нужную подстроку из текста — только проверять, содержится ли она в нем.

Кроме вышеперечисленного, есть еще один подход, очень известный в узких кругах профессиональных программистов, веб-разработчиков и прочих технарей — это регулярные выражения (Regular Expressions = RegExp = «регэкспы» = «регулярки»). Упрощенно говоря, RegExp — это язык, где с помощью специальных символов и правил производится поиск нужных подстрок в тексте, их извлечение или замена на другой текст. Регулярные выражения — это очень мощный и красивый инструмент, на порядок превосходящий по возможностям все остальные способы работы с текстом. Многие языки программирования (C#, PHP, Perl, JavaScript…) и текстовые редакторы (Word, Notepad++…) поддерживают регулярные выражения.

Microsoft Excel, к сожалению, не имеет поддержки RegExp по-умолчанию «из коробки», но это легко исправить с помощью VBA. Откройте редактор Visual Basic с вкладки Разработчик (Developer) или сочетанием клавиш Alt+F11. Затем вставьте новый модуль через меню Insert — Module и скопируйте туда текст вот такой макрофункции:

Public Function RegExpExtract(Text As String, Pattern As String, Optional Item As Integer = 1) As String
    On Error GoTo ErrHandl
    Set regex = CreateObject("VBScript.RegExp")
    regex.Pattern = Pattern
    regex.Global = True
    If regex.Test(Text) Then
        Set matches = regex.Execute(Text)
        RegExpExtract = matches.Item(Item - 1)
        Exit Function
    End If
ErrHandl:
    RegExpExtract = CVErr(xlErrValue)
End Function

Теперь можно закрыть редактор Visual Basic и, вернувшись в Excel, опробовать нашу новую функцию. Синтаксис у нее следующий:

=RegExpExtract( Txt ; Pattern ; Item )

где

• Txt — ячейка с текстом, который мы проверяем и из которого хотим извлечь нужную нам подстроку
• Pattern — маска (шаблон) для поиска подстроки
• Item — порядковый номер подстроки, которую надо извлечь, если их несколько (если не указан, то выводится первое вхождение)

Самое интересное тут, конечно, это Pattern — строка-шаблон из спецсимволов «на языке» RegExp, которая и задает, что именно и где мы хотим найти. Вот самые основные из них — для начала:

Если мы ищем определенное количество символов, например, шестизначный почтовый индекс или все трехбуквенные коды товаров, то на помощь нам приходят квантификаторы или кванторы — специальные выражения, задающие количество искомых знаков. Квантификаторы применяются к тому символу, что стоит перед ним:

Теперь давайте перейдем к самому интересному — разбору применения созданной функции и того, что узнали о паттернах на практических примерах из жизни.

Извлекаем числа из текста

Для начала разберем простой случай — нужно извлечь из буквенно-цифровой каши первое число, например мощность источников бесперебойного питания из прайс-листа:

Логика работы регулярного выражения тут простая: d — означает любую цифру, а квантор + говорит о том, что их количество должно быть одна или больше. Двойной минус перед функцией нужен, чтобы «на лету» преобразовать извлеченные символы в полноценное число из числа-как-текст.

Почтовый индекс

На первый взгляд, тут все просто — ищем ровно шесть цифр подряд. Используем спецсимвол d для цифры и квантор {6} для количества знаков:

Однако, возможна ситуация, когда левее индекса в строке стоит еще один большой набор цифр подряд (номер телефона, ИНН, банковский счет и т.д.) Тогда наша регулярка выдернет из нее первых 6 цифр, т.е. сработает некорректно:

Чтобы этого не происходило, необходимо добавить в наше регулярное выражение по краям модификатор b означающий конец слова. Это даст понять Excel, что нужный нам фрагмент (индекс) должен быть отдельным словом, а не частью другого фрагмента (номера телефона):

Телефон

Проблема с нахождением телефонного номера среди текста состоит в том, что существует очень много вариантов записи номеров — с дефисами и без, через пробелы, с кодом региона в скобках или без и т.д. Поэтому, на мой взгляд, проще сначала вычистить из исходного текста все эти символы с помощью нескольких вложенных друг в друга функций ПОДСТАВИТЬ (SUBSTITUTE), чтобы он склеился в единое целое, а потом уже примитивной регуляркой d{11} вытаскивать 11 цифр подряд:

ИНН

Тут чуть сложнее, т.к. ИНН (в России) бывает 10-значный (у юрлиц) или 12-значный (у физлиц). Если не придираться особо, то вполне можно удовлетвориться регуляркой d{10,12}, но она, строго говоря, будет вытаскивать все числа от 10 до 12 знаков, т.е. и ошибочно введенные 11-значные. Правильнее будет использовать два шаблона, связанных логическим ИЛИ оператором | (вертикальная черта):

Обратите внимание, что в запросе мы сначала ищем 12-разрядные, и только потом 10-разрядные числа. Если же записать нашу регулярку наоборот, то она будет вытаскивать для всех, даже длинных 12-разрядных ИНН, только первые 10 символов. То есть после срабатывания первого условия дальнейшая проверка уже не производится:

Это принципиальное отличие оператора | от стандартной экселевской логической функции ИЛИ (OR), где от перестановки аргументов результат не меняется.

Артикулы товаров

Во многих компаниях товарам и услугам присваиваются уникальные идентификаторы — артикулы, SAP-коды, SKU и т.д. Если в их обозначениях есть логика, то их можно легко вытаскивать из любого текста с помощью регулярных выражений. Например, если мы знаем, что наши артикулы всегда состоят из трех заглавных английских букв, дефиса и последующего трехразрядного числа, то:

Логика работы шаблона тут проста. [A-Z] — означает любые заглавные буквы латиницы. Следующий за ним квантор {3} говорит о том, что нам важно, чтобы таких букв было именно три. После дефиса мы ждем три цифровых разряда, поэтому добавляем на конце d{3}

Денежные суммы

Похожим на предыдущий пункт образом, можно вытаскивать и цены (стоимости, НДС…) из описания товаров. Если денежные суммы, например, указываются через дефис, то:

Паттерн d с квантором + ищет любое число до дефиса, а d{2} будет искать копейки (два разряда) после.

Если нужно вытащить не цены, а НДС, то можно воспользоваться третьим необязательным аргументом нашей функции RegExpExtract, задающим порядковый номер извлекаемого элемента. И, само-собой, можно заменить функцией ПОДСТАВИТЬ (SUBSTITUTE) в результатах дефис на стандартный десятичный разделитель и добавить двойной минус в начале, чтобы Excel интерпретировал найденный НДС как нормальное число:

Автомобильные номера

Если не брать спецтранспорт, прицепы и прочие мотоциклы, то стандартный российский автомобильный номер разбирается по принципу «буква — три цифры — две буквы — код региона». Причем код региона может быть 2- или 3-значным, а в качестве букв применяются только те, что похожи внешне на латиницу. Таким образом, для извлечения номеров из текста нам поможет следующая регулярка:

Время

Для извлечения времени в формате ЧЧ:ММ подойдет такое регулярное выражение:

После двоеточия фрагмент [0-5]d, как легко сообразить, задает любое число в интервале 00-59. Перед двоеточием в скобках работают два шаблона, разделенных логическим ИЛИ (вертикальной чертой):

• [0-1]d — любое число в интервале 00-19
• 2[0-3] — любое число в интервале 20-23

К полученному результату можно применить дополнительно еще и стандартную Excel’евскую функцию ВРЕМЯ (TIME), чтобы преобразовать его в понятный программе и пригодный для дальнейших расчетов формат времени.

Проверка пароля

Предположим, что нам надо проверить список придуманных пользователями паролей на корректность. По нашим правилам, в паролях могут быть только английские буквы (строчные или прописные) и цифры. Пробелы, подчеркивания и другие знаки препинания не допускаются.

Проверку можно организовать с помощью вот такой несложной регулярки:

По сути, таким шаблоном мы требуем, чтобы между началом (^) и концом ($) в нашем тексте находились только символы из заданного в квадратных скобках набора. Если нужно проверить еще и длину пароля (например, не меньше 6 символов), то квантор + можно заменить на интервал «шесть и более» в виде {6,}:

Город из адреса

Допустим, нам нужно вытащить город из строки адреса. Поможет регулярка, извлекающая текст от «г.» до следующей запятой:

Давайте разберем этот шаблон поподробнее.

Если вы прочитали текст выше, то уже поняли, что некоторые символы в регулярных выражениях (точки, звездочки, знаки доллара и т.д.) несут особый смысл. Если же нужно искать сами эти символы, то перед ними ставится обратная косая черта (иногда это называют экранированием). Поэтому при поиске фрагмента «г.» мы должны написать в регулярке г. если ищем плюсик, то + и т.д.

Следующих два символа в нашем шаблоне — точка и звездочка-квантор — обозначают любое количество любых символов, т.е. любое название города.

На конце шаблона стоит запятая, т.к. мы ищем текст от «г.» до запятой. Но ведь в тексте может быть несколько запятых, правда? Не только после города, но и после улицы, дома и т.д. На какой из них будет останавливаться наш запрос? Вот за это отвечает вопросительный знак. Без него наша регулярка вытаскивала бы максимально длинную строку из всех возможных:

В терминах регулярных выражений, такой шаблон является «жадным». Чтобы исправить ситуацию и нужен вопросительный знак — он делает квантор, после которого стоит, «скупым» — и наш запрос берет текст только до первой встречной запятой после «г.»:

Имя файла из полного пути

Еще одна весьма распространенная ситуация — вытащить имя файла из полного пути. Тут поможет простая регулярка вида:

Тут фишка в том, что поиск, по сути, происходит в обратном направлении — от конца к началу, т.к. в конце нашего шаблона стоит $, и мы ищем все, что перед ним до первого справа обратного слэша. Бэкслэш заэкранирован, как и точка в предыдущем примере.

P.S.

«Под занавес» хочу уточнить, что все вышеописанное — это малая часть из всех возможностей, которые предоставляют регулярные выражения. Спецсимволов и правил их использования очень много и на эту тему написаны целые книги (рекомендую для начала хотя бы эту). В некотором смысле, написание регулярных выражений — это почти искусство. Почти всегда придуманную регулярку можно улучшить или дополнить, сделав ее более изящной или способным работать с более широким диапазоном вариантов входных данных.

Для анализа и разбора чужих регулярок или отладки своих собственных есть несколько удобных онлайн-сервисов: RegEx101, RegExr и др.

К сожалению, не все возможности классических регулярных выражений поддерживаются в VBA (например, обратный поиск или POSIX-классы) и умеют работать с кириллицей, но и того, что есть, думаю, хватит на первое время, чтобы вас порадовать.

Если же вы не новичок в теме, и вам есть чем поделиться — оставляйте полезные при работе в Excel регулярки в комментариях ниже. Один ум хорошо, а два сапога — пара!

Ссылки по теме

• Замена и зачистка текста функцией ПОДСТАВИТЬ (SUBSTITUTE)
• Поиск и подсветка символов латиницы в русском тексте
• Поиск ближайшего похожего текста (Иванов = Ивонов = Иваноф и т.д.)

You can…

1. Exit Excel
2. Make a copy of your Excel file and add to the extension
   (i.e. .xls or .xlsm) .xml.zip. For example, test.xls
   becomes test.xls.xml.zip.
3. Unzip the .zip file. Yes, Excel files
   are really .zip files.

This will give you a directory named test.xls.xml (or test.xlsm.xml) that contains the following directory structure: xlworksheets.

In the worksheets directory are your Excel worksheets, in XML format. They are not formatted for readability, so use an editor that is capable of «pretty» formatting the XML (I use EditPlus or XMLSpy. There are many out there.). Now that you can read the XML, you can use the regular expression feature of the editor to make changes.

When you are done, go to the test.xls.xml (or test.xlsm.xml) directory. You will see the _rels, docProps and xl subdirectories and the [Content_Types].xml file. Select everything, right click and choose Send to > Compressed (.zip) folder. Make sure there are no .bak files left over by your text editor (in the worksheets subdirectory). If they’re there, delete them before creating the new .zip file. Now rename the extension of this new .zip file to .xls (or .xlsm).

You can now open this file in Excel. Excel won’t mind that you’ve «pretty» formatted the XML.

I have done this exact procedure many times, never with any problems (unless I accidently left the .bak files laying around).

One word of warning, Excel cells that contain just text (i.e. no formulas) store the text in a different file and reference them from within the worksheet file, so you won’t see that text there. Any text contained in a formula (i.e. CONCAT("ABC", "DEF")) is preserved in the worksheet.

Learn how to use regular expressions (Regex) in Excel to extract substrings from URLs with this step-by-step guide. Improve your data analysis skills today!

In this article, we’ll show you how to use Regex formulas and functions to extract substrings in Excel. We’ll guide you step-by-step through the process, from understanding the basic syntax of Regex to applying advanced techniques to manipulate text strings.

But don’t just take our word for it! Many data analysts and Excel users have already experienced the benefits of using Regex for removing substrings in Excel. With Regex, you can easily extract specific parts of text strings, such as email addresses or phone numbers, and save valuable time and effort.

By the end of this article, you’ll be equipped with the knowledge and skills to streamline your data analysis tasks using Regex for removing substrings in Excel.

What is a regular expression (Regex)?

Regex is like a filter that only lets through certain words or phrases that match a specific pattern. It’s like a game of matching shapes, where the Regex pattern is the shape you’re looking for, and the words or phrases are the shapes you’re checking.

A Regex pattern is made up of letters, symbols, and special commands called metacharacters (like ., d, D, s, S, w, W) and operators (like +, *, ?, |, ^). When you combine all these pieces together, you create a filter that only lets through words or phrases that match the pattern.

Regex is a powerful tool for finding and extracting specific information from large amounts of text. It can save you a lot of time and effort, especially when working with data in Excel.

Benefits of using Regex in Excel

Regular expressions (Regex) offer numerous benefits for data analysis in Excel. Here are some of the top advantages of using Regex:

1. Concise: Regex uses a concise syntax to represent patterns in text data. This makes writing and reading Regex expressions easy, saving you time and effort.
2. Fast: Regex runs quickly, even on large datasets. This means you can extract and manipulate text data at lightning speed.
3. Portability: Regex expressions can be used across multiple programming languages, including Excel. This means using the same expressions across different applications makes sharing and reusing code easier.
4. Flexibility: Regex allows you to search for and extract specific patterns in text data. This means you can only extract the necessary information, even if it’s buried within a long text string.
5. Power: Regex offers a wide range of operators and functions that can manipulate text data in complex ways. This means you can perform advanced text analysis tasks in Excel, such as parsing email addresses or phone numbers.

Using Regex in Excel can save you time, improve your data analysis capabilities, and make sharing and reusing code across different applications easier.

Extracting substrings with Regex in Excel

To extract substrings with Regex in Excel, you must combine the «Find and Replace» function and Regex expressions. Here are the steps you can follow:

1. Open the Excel sheet containing the text from which you want to extract substrings.
2. Click on the «Find and Replace» button in the «Editing» section of the «Home» tab.
3. In the «Find and Replace» dialog box, click on the «Replace» tab.
4. In the «Find what» field, enter the Regex expression that matches the substring you want to extract. For example, if you want to extract all text between two dashes, you can use the expression «-(.*?)-«.
5. In the «Replace with» field, enter «$1» to replace the entire string with just the extracted substring.
   
   
6. Click on «Replace All» to apply the Regex expression to the entire sheet.

By following these steps, you can extract substrings from text data in Excel using Regex. This method is especially useful when dealing with large datasets or extracting specific information from a long text string.

Common errors to watch out for when using Regex in Excel

Here are some common errors to watch out for when using Regex in Excel:

1. Incorrect syntax: Using incorrect syntax in your regular expression can cause errors. Make sure to double-check your syntax and ensure that it follows the correct format.
2. Not escaping special characters: If you use special characters in your regular expressions, such as parentheses or brackets, you must escape them with a backslash (). Failing to do so can cause your regular expression to fail.
3. Overlooking whitespace: Regular expressions are sensitive to whitespace. Ensure you’re accounting for spaces, tabs, and line breaks where necessary.
4. Not using anchors: If you’re searching for a specific substring, use anchors to indicate where the substring should start and end. Otherwise, your regular expression may match more text than you intended.
   
   
5. Ignoring case sensitivity: By default, regular expressions are case-sensitive. If you’re looking for a substring that could appear in different cases, use the appropriate flags to indicate that the search should be case-insensitive.

By keeping these common errors in mind, you can avoid potential issues when using Regex in Excel and ensure that your regular expressions work as intended.

Excel Regex cheat sheet

Regex can be a powerful tool for working with text strings in Excel, but it can also be overwhelming to learn. 

This Excel Regex cheat sheet provides a quick reference guide to the most commonly used regex patterns, making it easier for you to understand and use regular expressions in your Excel formulas. 

Whether you’re a beginner or an advanced user, this cheat sheet can serve as a handy resource to keep on hand as you work with text strings in Excel. 

And if you need more in-depth instruction, plenty of online resources are available to help you master the art of regular expressions.

Characters are the building blocks of regular expressions. They are used to match specific characters or character sets within a string. Here are some of the most common characters used in regex:

Tips for troubleshooting Regex formula errors

Here are some tips for troubleshooting Regex formula errors in Excel:

1. Check for typos: Regular expressions are case-sensitive, so even a small typo can cause the formula to fail. Double-check your formula to make sure everything is spelled correctly.
2. Verify your expression: Make sure your regular expression is valid and accurately represents the text you are trying to match.
3. Test in small sections: When working with large datasets, it’s helpful to first test your regex formula on small sections of the data to identify any errors.
4. Use a regex tester: There are online regex testers that you can use to test your expressions. This can help you identify any issues with your regex before using it in Excel.
5. Install third-party tools: Since Excel has no inbuilt Regex functions, you may want to consider installing third-party tools supporting regexes. This will give you more flexibility and control over your regular expressions.
6. Check for ignored errors: If you have previously ignored any errors in your formula, you can check for those errors again by going to File > Options > Formulas. Click the Excel menu > Preferences > Error Checking for Excel on Mac. In the Error Checking section, click Reset Ignored Errors > OK.

Following these tips, you can troubleshoot common Regex formula errors in Excel and extract substrings from your data.

Examples of practical applications for Regex substring extraction in Excel.

Final Thoughts

In conclusion, using regular expressions (Regex) in Excel can greatly improve the efficiency and flexibility of extracting substrings from text strings. 

While learning and troubleshooting Regex formulas may take some time, the benefits of using Regex are worth the effort. 

Mastering this skill can streamline your data analysis tasks and save valuable time and effort. 

Overall, Regex is a powerful tool that can enhance your Excel proficiency and improve your productivity in the long run.

One more thing

We’re glad you’ve read this article upto here Thank you for reading.

If you have a second, please share this article on your socials; someone else may benefit too. 

Subscribe to our newsletter and be the first to read our future articles, reviews, and blog post right in your email inbox. We also offer deals, promotions, and updates on our products and share them via email. You won’t miss one.

Related articles 

> How to insert page break in Excel worksheet
> Expense Record & Tracking Sheet Templates for Excel
> How to Calculate CAGR in Excel