Expressão Regular no Looker Data Studio com exemplo prático

PUBLICADO POR AYLTON INACIO
Tutoriais e Artigos > Google Looker Studio

Uma Expressão Regular (REGEX) é usada no Looker Data Studio para identificar cadeias de caracteres específicos, palavras ou padrões através de regras dinâmicas e genéricas.

Por exemplo, é possível validar valores de um campo CEP de acordo com a regra 00000-000, ou seja, 5 números, hífen e mais 3 números, todos aleatórios. Você também pode extrair, substituir ou alterar a posição de palavras, tudo com base em padrões e não valores fixos.

▶ Se preferir, acesse "Expressão Regular no Looker Data Studio com exemplo prático" no YouTube.

Funções de Expressão Regular do Looker Data Studio:

• REGEXP_CONTAINS (Retorna verdadeiro se o valor de entrada contém o padrão de expressão regular. Caso contrário, retorna falso.)
  Ex: REGEXP_CONTAINS(campo, '^A.*') retorna verdadeiro se o valor começar com A.
  
  
• REGEXP_EXTRACT (Retorna a primeira substring no valor de entrada que corresponde ao padrão de expressão regular.)
  Ex: REGEXP_EXTRACT(produto,'([0-9]+)') faz a extração dos primeiros números encontrados.
  
  
• REGEXP_MATCH (Retorna verdadeiro se o valor de entrada corresponde ao padrão de expressão regular. Caso contrário, retorna falso.)
  Ex: REGEXP_MATCH(país, "(EUA|Canadá|México)") retorna verdadeiro se um dos valores for encontrado.
  
  
• REGEXP_REPLACE (Substitui todas as ocorrências de texto correspondentes ao padrão de expressão regular no valor de entrada pela string replacement.)
  Ex: REGEXP_REPLACE(LOWER(Campanha), ".bc123", "Promoção") troca valores como abc123, ABC123 ou BBC123 por Promoção.
  
  

Exemplo prático

Nossa missão será extrair o código do produto, mas somente os números e colocar em um novo campo. Quando não tiver um código, o valor (not set) será colocado.

A outra parte será criar um novo campo com o nome do produto tratado, removendo o código completo com letras e números. Também vamos remover o hífen apenas quando grudado em duas palavras sem espaços, ex: Moletom-Silver.

Usando REGEXP_EXTRACT

Fórmula de Expressão Regular REGEX usada para extrair o código:

ifnull(REGEXP_EXTRACT(pagina, '[cod:|codigo|cod]([0-9]+)' ),'(not set)')

Analisando nossos produtos, temos o código de três formas, mas sempre começando com cod:, codigo ou cod. Então foram usados colchetes para criar um conjunto de caracteres para correspondência separados por pipe "|", que quer dizer "ou", um valor ou o outro. Ex: codigo5589x. Essa é a regra inicial.

Se o nome do produto tiver um dos formatos de códigos anteriores, será candidato. O nosso objetivo é extrair os números que estão na frente, ex: codigo5589x, então foram usados os Parênteses para criar o elemento de extração. Foi criado um conjunto com "0-9", ou seja, qualquer número pode aparecer, e depois o "+", dizendo que podemos ter vários números.

Por fim, se o nome do produto não entrar na regra o retorno será NULL, então tudo foi colocado dentro de IFNULL para verificar esse valor e em caso positivo trocar para (not set).

Metacaracteres para montar Expressão Regular

O Looker Studio usa a sintaxe de expressão RE2. Para mais detalhes, consulte Expressões regulares do Looker Studio. Os Metacaracteres mais comuns usandos com Expressão Regular são:

• [] criar um conjunto de caracteres para correspondência
• () agrupar partes de uma expressão, elemento para extração ou grupos para alterar posição
• + corresponde ao caractere anterior uma ou mais vezes
• ?i ativa o modo que não diferencia maiúsculas de minúsculas
• ^ Corresponde aos caracteres adjacentes no começo de uma string ou negação
• $ Corresponde aos caracteres adjacentes no fim de uma string
• . Corresponde a qualquer caractere único (letra, número ou símbolo)
• * Corresponde ao caractere anterior nenhuma ou mais vezes
• ? Corresponde ao caractere anterior nenhuma ou uma vez
• \\s espaço

Usando REGEXP_MATCH e REGEXP_REPLACE

Fórmula de Expressão Regular REGEX para criar o novo campo Página tratado:

CASE
   WHEN REGEXP_MATCH(pagina, "(?i)home.*") THEN "Home"
   else REGEXP_REPLACE(REGEXP_REPLACE(pagina, '-? (cod:|codigo|cod)[0-9a-z]*', ''), '(.*[^\\s])-(.*)', '\\1 \\2')
END

A primeira parte é verificar se no nome do produto tem a palavra home, e então trocar tudo para apenas Home com a primeira letra em caixa alta. Para isso foi usado REGEXP_MATCH para procurar o "home" com letra maiúscula ou minúscula "(?i)" e na frente podendo ter qualquer caracter 0 ou mais vezes ".*".

Se não encontrar "home", ela aplica a segunda regra do case. O REGEXP_REPLACE mais interno troca o código completo por nada ''. Ele procura o padrão começando ou não com hífen "-?" seguido de espaço, depois uma das palavras de código seguida de números ou letras nenhuma ou várias vezes "*".

Já a REGEXP_REPLACE externa recebe o valor da anterior, que é o nome do produto já sem o código e retira o hífen colado nas palavras, ex: Moletom-Silver.

O padrão procura por um grupo começando com qualquer caracter nenhuma ou mais vezes ".*" não seguido de espaço "^\\s" e depois um hífen, pois como temos valores de hífen entre espaços, ex: Vermelho - Masculino, esses precisam ser ignorados pela regra. Depois outro grupo com qualquer valor ou nada. Por fim ela coloca o retorno do primeiro grupo "\\1" seguido de espaço e o valor do segundo grupo "\\2", ficando algo como Moletom Silver.