Zenn
🎉

正規表現でデータをフォーマットする方法３選！｜メールアドレスの抽出を例とし

2021/07/01に公開
プログラミング
正規表現
#
データ抽出
#
webスクレイピングツール
#
データフォーマット
tech

正規表現は、文字列の中で一つの「パターン」を見つけて、その「パターン」を記述することによって、複数の文字列をシンプルに表現することです。正規表現によって、パターン化をされた文字列は、pythonなどの自然言語処理で行うことができます。

例えば、ここに、メールアドレスとテキストが混在する場合は、メールアドレスだけを抽出しようと思ったら、どうすればいいでしょうか。本記事では、複数の文字列から、データをフォーマットして、メールアドレスを抽出する三つの方法を解説します。

正規表現はいくつかの方法があります。

方法1：Excel数式

Excel数式

=TRIM(RIGHT(SUBSTITUTE(LEFT(A1,FIND (" ",A1&" ",FIND("@",A1))-1)," ", REPT(" ",LEN(A1))),LEN(A1))).

この数式はExcelに詳しくない人にとって、使うことが大変だと思います。一つ目は、一般的にテキストをコピーして貼り付けることができますが、Excelには順序に関して厳しいルールがあり、表現（語法）を入力しない限り、Excelはそれを受け入れません。 もう一つの問題は、長くて複雑な表現（語法）に対しては、文字列をデバッグするのは、非常に時間がかかります。

方法2：Excel VBA コード

vba-code-1 (1).png

ステップ1：「ALT + F11」キーを押すと、Microsoft VisualBasicのアプリケーションウィンドウが出てきます。

ステップ2：[挿入]> [モジュール]をクリックし、以下をコンテンツをコピーして、モジュールウィンドウに貼り付けます。

Sub ExtractEmail()
'Update 20130829
Dim WorkRng As Range
Dim arr As Variant
Dim CharList As String
On Error Resume Next
xTitleId = "KutoolsforExcel"
Set WorkRng = Application.Selection
Set WorkRng = Application.InputBox("Range", xTitleId, WorkRng.Address, Type:=8)
arr = WorkRng.Value
CheckStr = "[A-Za-z0-9._-]"
For i = 1 To UBound(arr, 1)
    For j = 1 To UBound(arr, 2)
        extractStr = arr(i, j)
        outStr = ""
        Index = 1
        Do While True
            Index1 = VBA.InStr(Index, extractStr, "@")
            getStr = ""
            If Index1 > 0 Then
                For p = Index1 - 1 To 1 Step -1
                    If Mid(extractStr, p, 1) Like CheckStr Then
                        getStr = Mid(extractStr, p, 1) & getStr
                    Else
                        Exit For
                    End If
                Next
                getStr = getStr & "@"
                For p = Index1 + 1 To Len(extractStr)
                    If Mid(extractStr, p, 1) Like CheckStr Then
                        getStr = getStr & Mid(extractStr, p, 1)
                    Else
                        Exit For
                    End If
                Next
                Index = Index1 + 1
                If outStr = "" Then
                    outStr = getStr
                Else
                    outStr = outStr & Chr(10) & getStr
                End If
            Else
                Exit Do
            End If
        Loop
        arr(i, j) = outStr
    Next
Next
WorkRng.Value = arr
End Sub

ステップ3：「OK」をクリックして、プロセスを実行します

ステップ4：上記のコードに適用する範囲を選択します。この場合はA1：A4を選択します。
vba-code-4.png

方法3：Octoparse正規表現ツール

以上の二つ方法はプログラミングの知識がないと、正規表現の習得と使いは難しいです。下記の簡単な表現を直接に使用すると、メールアドレスも抽出することができます。

[a-zA-Z0-9-_]{1,}@[a-zA-Z0-9-_]{1,}.[a-zA-Z]{1,}

OctoparseにはRegExツールが組み込まれており、抽出されたデータをクリーンアップするのに非常に便利です。特にプログラミングに詳しくない人にとっては、非常に便利です。 OctoparseというWebスクレイピングツールを利用すると、データの抽出、クリーニング、およびエクスポートを行うことができるようになります。

ステップ1：Octoparseアプリケーションを開く
微信图片_20210701104553.png
微信图片_20210701104601.png

ステップ2：ソーステキストの文字列をコピーします。

微信图片_20210701104606.png

ステップ3：[正規表現]ボックスに式をコピーして貼り付けます。

[a-zA-Z0-9-_]{1,}@[a-zA-Z0-9-_]{1,}.[a-zA-Z]{1,}

ステップ4：下の[すべてにマッチ]を選択し、[マッチング]をクリックします。

以上の手順に従って、メールアドレスを抽出しました。

関連記事

取得したデータを再フォーマットする

データを再フォーマットする

PDFからExcel（エクセル）に変換する方法とソフト10選

Discussion