खालील स्ट्रिंगमध्ये, समजा तुम्हाला पहिला ऑर्डर क्रमांक हटवायचा आहे. अशा सर्व संख्या हॅश चिन्हाने सुरू होतात (#) आणि त्यात अगदी 5 अंक असतात. म्हणून, आम्ही त्यांना हे रेगेक्स वापरून ओळखू शकतो:

पॅटर्न : #\d{5}\b

शब्द सीमा \b हे निर्दिष्ट करते की जुळणारे सबस्ट्रिंग असू शकत नाही मोठ्या स्ट्रिंगचा भाग जसे की #10000001.

सर्व जुळण्या काढून टाकण्यासाठी, instance_num वितर्क परिभाषित केलेले नाही:

=RegExpReplace(A5, "#\d{5}\b", "")

फक्त पहिली घटना मिटवण्यासाठी, आम्ही instance_num वितर्क 1 वर सेट करतो:

=RegExpReplace(A5, "#\d{5}\b", "", 1)

Regex विशिष्ट वर्ण काढण्यासाठी

स्ट्रिंगमधून काही वर्ण काढून टाकण्यासाठी, फक्त सर्व अवांछित वर्ण लिहा आणि त्यांना उभ्या पट्टीने वेगळे कराVBA RegExp मर्यादांपासून मुक्त वाक्यरचना, आणि दुसरे म्हणजे, तुमच्या वर्कबुकमध्ये कोणताही VBA कोड घालण्याची आवश्यकता नाही कारण सर्व कोड एकत्रीकरण आमच्याद्वारे बॅकएंडवर केले जाते.

तुमच्या कामाचा भाग म्हणजे एक रेग्युलर एक्सप्रेशन तयार करणे आणि ते फंक्शनमध्ये सर्व्ह करा :) मी तुम्हाला ते कसे करायचे ते एका व्यावहारिक उदाहरणावर दाखवते.

रेजेक्स वापरून कंस आणि कंसातील मजकूर कसा काढायचा

लांब मजकूर स्ट्रिंगमध्ये, कमी महत्त्वाची माहिती बहुतेकदा [कंसात] आणि (कंस) मध्ये बंद केलेले असते. इतर सर्व डेटा ठेवून तुम्ही ते अप्रासंगिक तपशील कसे काढता?

खरं तर, आम्ही html टॅग हटवण्यासाठी आधीपासून एक समान regex तयार केले आहे, म्हणजे कोन कंसातील मजकूर. साहजिकच, समान पद्धती चौरस आणि गोल कंसासाठी देखील कार्य करतील.

पॅटर्न : (\(.*?\))

तुम्ही कधी विचार केला आहे की एक्सेल किती शक्तिशाली असेल जर कोणी त्याचा टूलबॉक्स रेग्युलर एक्स्प्रेशनसह समृद्ध करू शकेल? आम्ही फक्त विचारच केला नाही तर त्यावर काम केले आहे :) आणि आता, तुम्ही हे अप्रतिम RegEx फंक्शन तुमच्या स्वतःच्या वर्कबुकमध्ये जोडू शकता आणि पॅटर्नशी जुळणारे सबस्ट्रिंग काही वेळात पुसून टाकू शकता!

गेल्या आठवड्यात, आम्ही पाहिले एक्सेलमध्ये स्ट्रिंग्स बदलण्यासाठी रेग्युलर एक्सप्रेशन कसे वापरावे. यासाठी, आम्ही कस्टम Regex Replace फंक्शन तयार केले आहे. जसे हे दिसून आले की, फंक्शन त्याच्या प्राथमिक वापराच्या पलीकडे जाते आणि केवळ स्ट्रिंग बदलू शकत नाही तर त्यांना काढून टाकू शकते. ते कसे असू शकते? एक्सेलच्या दृष्टीने, एखादे मूल्य काढून टाकणे म्हणजे रिकाम्या स्ट्रिंगने बदलणे हे दुसरे काही नाही, जे आमचे Regex फंक्शन खूप चांगले आहे!

VBA RegExp फंक्शन एक्सेलमधील सबस्ट्रिंग काढण्यासाठी

आपल्या सर्वांना माहीत आहे की, एक्सेलमध्ये डीफॉल्टनुसार रेग्युलर एक्सप्रेशन समर्थित नाहीत. त्यांना सक्षम करण्यासाठी, तुम्हाला तुमचे स्वतःचे वापरकर्ता-परिभाषित कार्य तयार करणे आवश्यक आहे. चांगली बातमी अशी आहे की असे कार्य आधीच लिहिलेले, चाचणी केलेले आणि वापरासाठी तयार आहे. तुम्हाला फक्त हा कोड कॉपी करायचा आहे, तो तुमच्या VBA एडिटरमध्ये पेस्ट करायचा आहे आणि नंतर तुमची फाइल मॅक्रो-सक्षम वर्कबुक (.xlsm) म्हणून सेव्ह करायची आहे.

फंक्शनमध्ये खालील वाक्यरचना:

पहिले तीन वितर्क आवश्यक आहेत, शेवटचे दोन पर्यायी आहेत.

कुठे:

• मजकूर - शोधण्यासाठी मजकूर स्ट्रिंगक्लोजिंग ब्रॅकेट सापडेपर्यंत शक्य आहे.

तुम्ही कोणताही पॅटर्न निवडाल, त्याचा परिणाम पूर्णपणे सारखाच असेल.

उदाहरणार्थ, A5 मधील स्ट्रिंगमधून सर्व html टॅग काढून टाकण्यासाठी आणि मजकूर सोडण्यासाठी, सूत्र आहे:

=RegExpReplace(A5, "]*>", "")

किंवा स्क्रीनशॉटमध्ये दर्शविल्याप्रमाणे तुम्ही आळशी क्वांटिफायर वापरू शकता:

हे समाधान यासाठी उत्तम प्रकारे कार्य करते एकल मजकूर (पंक्ती 5 - 9). एकाधिक मजकूरांसाठी (पंक्ती 10 - 12), परिणाम शंकास्पद आहेत - भिन्न टॅगमधील मजकूर एकामध्ये विलीन केले आहेत. हे बरोबर आहे की नाही? मला भीती वाटते, हे असे काही नाही की जे सहजपणे ठरवता येईल - सर्व काही आपल्या इच्छित परिणामाच्या समजावर अवलंबून असते. उदाहरणार्थ, B11 मध्ये, परिणाम "A1" अपेक्षित आहे; B10 मध्ये असताना, तुम्हाला कदाचित "data1" आणि "data2" स्पेससह वेगळे करावेसे वाटेल.

html टॅग काढून टाकण्यासाठी आणि उर्वरित मजकूर स्पेससह विभक्त करण्यासाठी, तुम्ही या प्रकारे पुढे जाऊ शकता:

1. टॅग्ज " " स्पेससह बदला, रिकाम्या स्ट्रिंगसह नाही:

   =RegExpReplace(A5, "]*>", " ")

2. एकाच स्पेस कॅरेक्टरमध्ये एकाधिक स्पेस कमी करा:

   =RegExpReplace(RegExpReplace(A5, "]*>", " "), " +", " ")

3. अग्रणी आणि मागची जागा ट्रिम करा:

   =TRIM(RegExpReplace(RegExpReplace(A5, "]*>", " "), " +", " "))

परिणाम यासारखा दिसेल:

Ablebits Regex Remove Tool

तुम्हाला आमचा Excel साठी Ultimate Suite वापरण्याची संधी मिळाली असेल, तर तुम्हाला कदाचित अलीकडील रिलीझसह सादर केलेली नवीन Regex साधने आधीच सापडली असतील. या .NET आधारित Regex फंक्शन्सचे सौंदर्य म्हणजे ते, प्रथम, पूर्ण-वैशिष्ट्यीकृत नियमित अभिव्यक्तीला समर्थन देतात. हटवा पर्याय, आणि काढा दाबा.

मूल्य म्हणून नव्हे तर सूत्र म्हणून परिणाम मिळविण्यासाठी, सूत्र म्हणून घाला चेक बॉक्स निवडा.

A2:A5 मधील स्ट्रिंगमधून कंसातील मजकूर काढण्यासाठी, आम्ही सेटिंग्ज कॉन्फिगर करतो. खालीलप्रमाणे:

परिणामी, AblebitsRegexRemove फंक्शन तुमच्या मूळ डेटाच्या पुढे नवीन कॉलममध्ये समाविष्ट केले आहे.

फंक्शन थेट सेलमध्ये स्टँडर्ड Insert Function डायलॉग बॉक्सद्वारे देखील प्रविष्ट केले जाऊ शकते, जेथे ते AblebitsUDFs अंतर्गत वर्गीकृत केले जाते.<3

जसे AblebitsRegexRemove मजकूर काढण्यासाठी डिझाइन केले आहे, त्यासाठी फक्त दोन वितर्क आवश्यक आहेत - स्त्रोत स्ट्रिंग आणि regex. दोन्ही पॅरामीटर्स थेट सूत्रामध्ये परिभाषित केले जाऊ शकतात किंवा सेल संदर्भांच्या स्वरूपात पुरवले जाऊ शकतात. आवश्यक असल्यास, हे सानुकूल फंक्शन कोणत्याही मूळ फंक्शनसह वापरले जाऊ शकते.

उदाहरणार्थ, परिणामी स्ट्रिंगमध्ये अतिरिक्त स्पेस ट्रिम करण्यासाठी, तुम्ही ट्रिम फंक्शनचा रॅपर म्हणून वापर करू शकता:

=TRIM(AblebitsRegexRemove(A5, $A$2))

रेग्युलर एक्स्प्रेशन वापरून एक्सेलमधील स्ट्रिंग कसे काढायचे. वाचल्याबद्दल मी तुमचा आभारी आहे आणि पुढच्या आठवड्यात तुम्हाला आमच्या ब्लॉगवर भेटण्यास उत्सुक आहे!

उपलब्ध डाउनलोड

रेजेक्स वापरून स्ट्रिंग काढा - उदाहरणे (.xlsm फाइल)

अंतिम सूट - चाचणी आवृत्ती (.exe फाइल)

अधिक माहितीसाठी, कृपया RegExpReplace फंक्शन पहा.

टीप. सोप्या प्रकरणांमध्ये, तुम्ही एक्सेल सूत्रांसह सेलमधून विशिष्ट वर्ण किंवा शब्द काढू शकता. पण रेग्युलर एक्स्प्रेशन्स यासाठी बरेच पर्याय देतात.

रेग्युलर एक्स्प्रेशन्स वापरून स्ट्रिंग्स कसे काढायचे - उदाहरणे

वर नमूद केल्याप्रमाणे, पॅटर्नशी जुळणारे मजकूराचे काही भाग काढून टाकण्यासाठी, तुम्हाला ते बदलायचे आहेत. रिकाम्या स्ट्रिंगसह. तर, एक सामान्य सूत्र हा आकार घेतो:

खालील उदाहरणे या मूलभूत संकल्पनेची विविध अंमलबजावणी दर्शवतात.

काढून टाका सर्व जुळण्या किंवा विशिष्ट जुळणी

RegExpReplace फंक्शन दिलेल्या regex शी जुळणारे सर्व सबस्ट्रिंग शोधण्यासाठी डिझाइन केलेले आहे. कोणत्या घटना काढायच्या आहेत त्या चौथ्या पर्यायी युक्तिवादाद्वारे नियंत्रित केल्या जातात, ज्याचे नाव instance_num असते.

डिफॉल्ट "सर्व जुळण्या" असते - जेव्हा instance_num कॉन्कटेनेशन ऑपरेटर (&) आणि टेक्स्ट फंक्शन्स जसे की RIGHT, MID आणि LEFT.

उदाहरणार्थ, सर्व फोन नंबर (123) 456-7890 फॉरमॅटमध्ये लिहिण्यासाठी, सूत्र आहे:

="("&LEFT(B5, 3)&") "&MID(B5, 4, 3)&"-"&RIGHT(B5, 4)

जेथे B5 हे RegExpReplace फंक्शनचे आउटपुट आहे.

regex वापरून विशेष वर्ण काढा

आमच्या एका ट्यूटोरियलमध्ये, आम्ही इनबिल्ट आणि कस्टम फंक्शन्स वापरून एक्सेलमधील अवांछित वर्ण कसे काढायचे ते पाहिले. नियमित अभिव्यक्ती गोष्टी खूप सोप्या बनवतात! हटवण्‍यासाठी सर्व वर्णांची यादी करण्याऐवजी, आपण ठेवू इच्छित असलेले फक्त निर्दिष्ट करा :)

पॅटर्न नकारलेल्या वर्ण वर्गांवर आधारित आहे - कॅरेट एका वर्ण वर्गात ठेवला आहे [^ ] कंसात नसलेल्या कोणत्याही एका वर्णाशी जुळण्यासाठी. + क्वांटिफायर त्याला सलग वर्ण एकच जुळणी मानण्यास भाग पाडतो, जेणेकरून प्रत्येक वैयक्तिक वर्णाऐवजी जुळणार्‍या सबस्ट्रिंगसाठी बदली केली जाते.

तुमच्या गरजेनुसार, खालीलपैकी एक रेगेक्स निवडा.

नॉन-अल्फान्यूमेरिक वर्ण काढण्यासाठी, म्हणजे अक्षरे आणि अंक वगळता सर्व वर्ण:

पॅटर्न : [^0-9a-zA-Z] +

सर्व वर्ण शुद्ध करण्यासाठी अक्षरे वगळता , अंक आणि स्पेसेस :

पॅटर्न : [^0-9a-zA-Z ]+

अक्षरे , अंक आणि अंडरस्कोर वगळता सर्व वर्ण हटवण्यासाठी, तुम्ही \ वापरू शकता W म्हणजे अक्षरांकीय वर्ण नसलेले कोणतेही वर्ण किंवाअंडरस्कोर:

पॅटर्न : \W+

तुम्हाला काही इतर वर्ण ठेवायचे असल्यास , उदा. विरामचिन्हे, त्यांना कंसात ठेवा.

उदाहरणार्थ, अक्षर, अंक, पूर्णविराम, स्वल्पविराम किंवा स्पेस व्यतिरिक्त कोणतेही वर्ण काढून टाकण्यासाठी खालील रेगेक्स वापरा:

पॅटर्न : [^0-9a-zA-Z\., ]+

यामुळे सर्व विशेष वर्ण यशस्वीरित्या काढून टाकले जातात, परंतु अतिरिक्त व्हाइटस्पेस राहते.

याचे निराकरण करण्यासाठी, तुम्ही वरील फंक्शन दुसर्‍यामध्ये नेस्ट करू शकता जे एका स्पेस कॅरेक्टरने एकाधिक स्पेस बदलते.

=RegExpReplace(RegExpReplace(A5,$A$2,""), " +", " ")

किंवा फक्त त्याच प्रभावासह मूळ TRIM फंक्शन वापरा :

=TRIM(RegExpReplace(A5, $A$2, ""))

नॉन-न्यूमेरिक वर्ण काढण्यासाठी Regex

स्ट्रिंगमधून सर्व नॉन-न्यूमेरिक वर्ण हटवण्यासाठी, तुम्ही वापरू शकता एकतर हा मोठा फॉर्म्युला किंवा खाली सूचीबद्ध केलेल्या अगदी सोप्या रेगेक्सपैकी एक.

अंक नसलेला कोणताही वर्ण जुळवा:

पॅटर्न : \D+

नकारलेले वर्ग वापरून नॉन-न्यूमेरिक वर्ण स्ट्रिप करा:

पॅटर्न : [^0-9]+

नमुना : [^\d] +

टीप. तुमचे ध्येय मजकूर काढून उर्वरित संख्या वेगळ्या सेलमध्ये पसरवणे किंवा ते सर्व एका सेलमध्ये एका निर्दिष्ट डिलिमिटरने विभक्त करणे हे असेल, तर रेग्युलर एक्स्प्रेशन वापरून स्ट्रिंगमधून संख्या कशी काढायची यात स्पष्ट केल्याप्रमाणे RegExpExtract फंक्शन वापरा.

स्पेस नंतर सर्व काही काढून टाकण्यासाठी Regex

स्पेस नंतर सर्व काही पुसून टाकण्यासाठी, स्पेस ( ) किंवा वापराव्हाईटस्पेस (\s) वर्ण प्रथम स्पेस शोधण्यासाठी आणि .* नंतर कोणत्याही वर्णांशी जुळण्यासाठी.

तुमच्याकडे एकल-लाइन स्ट्रिंग्स असतील ज्यात फक्त सामान्य स्पेस असतील (7-बिट ASCII प्रणालीमध्ये मूल्य 32) , तुम्ही खालीलपैकी कोणते regex वापरता याने काही फरक पडत नाही. मल्टी-लाइन स्ट्रिंग्सच्या बाबतीत, तो फरक करतो.

सर्व काही काढण्यासाठी स्पेस कॅरेक्टर नंतर , हे रेगेक्स वापरा:

पॅटर्न : " .*"

=RegExpReplace(A5, " .*", "")

हे सूत्र प्रत्येक ओळी मधील पहिल्या स्पेस नंतर काहीही काढून टाकेल. परिणाम योग्यरित्या प्रदर्शित होण्यासाठी, मजकूर गुंडाळणे चालू करण्याचे सुनिश्चित करा.

सर्व काही काढून टाकण्यासाठी व्हाइटस्पेस नंतर (स्पेस, टॅब, कॅरेज रिटर्न आणि नवीन लाइनसह), regex आहे:

नमुना : \s.*

=RegExpReplace(A5, "\s.*", "")

कारण \s एक नवीन ओळ<सह काही भिन्न व्हाईटस्पेस प्रकारांशी जुळते 9> (\n), हे सूत्र सेलमधील पहिल्या स्पेस नंतर सर्व काही हटवते, त्यात कितीही ओळी असल्या तरीही.

विशिष्ट नंतर मजकूर काढण्यासाठी Regex वर्ण

मागील उदाहरणातील पद्धती वापरून, तुम्ही निर्दिष्ट केलेल्या कोणत्याही वर्णानंतरचा मजकूर मिटवू शकता.

प्रत्येक ओळ स्वतंत्रपणे हाताळण्यासाठी:

सामान्य नमुना : char.*

सिंगल-लाइन स्ट्रिंगमध्ये, हे char नंतर सर्वकाही काढून टाकेल. मल्टी-लाइन स्ट्रिंग्समध्ये, प्रत्येक ओळीवर स्वतंत्रपणे प्रक्रिया केली जाईल कारण VBA Regex फ्लेवरमध्ये, एक पूर्णविराम (.) नवीन वगळता कोणत्याही वर्णाशी जुळतोस्ट्रिंगची सुरुवात ^, आम्ही शून्य किंवा अधिक स्पेस नसलेल्या वर्णांशी जुळतो [^ ]* जे लगेच एक किंवा अधिक स्पेस "+" द्वारे फॉलो केले जातात. निकालांमध्ये संभाव्य अग्रगण्य स्पेस टाळण्यासाठी शेवटचा भाग जोडला आहे.

प्रत्येक ओळीतील पहिल्या स्पेसच्या आधी मजकूर काढण्यासाठी, सूत्र डीफॉल्ट "सर्व जुळण्या" मोडमध्ये लिहिलेले आहे ( instance_num वगळलेले):

=RegExpReplace(A5, "^[^ ]* +", "")

पहिल्या ओळीतील पहिल्या स्पेसच्या आधीचा मजकूर हटवण्यासाठी आणि इतर सर्व ओळी अखंड ठेवण्यासाठी, instance_num वितर्क 1:<वर सेट केले आहे. 3>

=RegExpReplace(A5, "^[^ ]* +", "", 1)

रेजेक्स वर्णापूर्वी सर्व काही काढून टाकण्यासाठी

विशिष्ट वर्णापूर्वीचा सर्व मजकूर काढून टाकण्याचा सर्वात सोपा मार्ग म्हणजे regex वापरणे याप्रमाणे:

जेनेरिक पॅटर्न : ^[^char]*char

मानवी भाषेत अनुवादित, ते म्हणते: "^ द्वारे अँकर केलेल्या स्ट्रिंगच्या सुरुवातीपासून , char [^char]* वगळता 0 किंवा अधिक वर्ण जुळवा char च्या पहिल्या घटनेपर्यंत.

उदाहरणार्थ, पहिल्या कोलनच्या आधी सर्व मजकूर हटवण्यासाठी , या रेग्युलर एक्स्प्रेशनचा वापर करा:

पॅटर्न : ^[^:]*:

परिणामांमधील अग्रगण्य स्पेस टाळण्यासाठी, व्हाइटस्पेस वर्ण \s* मध्ये जोडा हे सर्व काढून टाकेल g पहिल्या कोलनच्या आधी आणि त्याच्या नंतर कोणतीही स्पेस ट्रिम करा:

पॅटर्न : ^[^:]*:\s*

=RegExpReplace(A5, "^[^:]*:\s*", "")

टीप. रेग्युलर एक्स्प्रेशन्स व्यतिरिक्त, एक्सेलकडे पोझिशन किंवा मॅचनुसार मजकूर काढण्याचे स्वतःचे माध्यम आहे. मूळ सूत्रांसह कार्य कसे पूर्ण करावे हे शिकण्यासाठी,कृपया एक्सेलमधील अक्षराच्या आधी किंवा नंतर मजकूर कसा काढायचा ते पहा.

वगळून सर्व काही काढून टाकण्यासाठी Regex

तुम्ही ठेवू इच्छित असलेल्या स्ट्रिंगमधील सर्व वर्ण मिटवण्यासाठी, नकारात्मक वर्ण वर्ग वापरा.

उदाहरणार्थ, लोअरकेस अक्षरे वगळता सर्व वर्ण काढण्यासाठी आणि ठिपके, regex आहे:

पॅटर्न : [^a-z\.]+

खरं तर, आम्ही येथे + क्वांटिफायरशिवाय करू शकतो कारण आमचे फंक्शन सर्व बदलते जुळण्या सापडल्या. क्वांटिफायर हे थोडे वेगवान बनवते - प्रत्येक वैयक्तिक वर्ण हाताळण्याऐवजी, तुम्ही सबस्ट्रिंग बदलता.

=RegExpReplace(A5, "[^a-z\.]+", "")

एक्सेलमधील html टॅग काढण्यासाठी Regex

सर्वप्रथम, हे लक्षात घेतले पाहिजे की एचटीएमएल ही नियमित भाषा नाही, त्यामुळे रेग्युलर एक्सप्रेशन वापरून तिचे पार्सिंग करणे हा सर्वोत्तम मार्ग नाही. असे म्हटले आहे की, regexes निश्चितपणे तुमचा डेटासेट क्लीनर बनवण्यासाठी तुमच्या सेलमधून टॅग काढून टाकण्यास मदत करू शकतात.

html टॅग हे नेहमी अँगल ब्रॅकेटमध्ये ठेवलेले असतात, तुम्ही त्यांना खालीलपैकी एक वापरून शोधू शकता.

नकारात्मक वर्ग:

पॅटर्न : ]*>

येथे, आम्ही ओपनिंग अँगल ब्रॅकेटशी जुळतो, त्यानंतर कोणत्याही वर्णाच्या शून्य किंवा अधिक घटना असतात. क्लोजिंग अँगल ब्रॅकेट [^>]* जवळच्या क्लोजिंग अँगल ब्रॅकेटपर्यंत.

आळशी शोध:

पॅटर्न :

येथे, आम्ही जुळतो पहिल्या ओपनिंग ब्रॅकेटपासून पहिल्या क्लोजिंग ब्रॅकेटपर्यंत काहीही. प्रश्नचिन्ह .* इतके कमी वर्ण जुळवण्यास भाग पाडतेओळ.

सर्व ओळींवर एकच स्ट्रिंग म्हणून प्रक्रिया करण्यासाठी:

जेनेरिक पॅटर्न : char(.