Início / coding / Perguntas / 79488569
Accepted
InStackOfHelp
Asked: 2025-03-06 15:35:21 +0800 CST

Como faço para remover uma palavra que precede um caractere, bem como o próprio caractere

  • 772

Estou usando IMPORTXML para pegar alguns dados e então regex para extrair algum texto. A parte que quero extrair é um nome.

Ele sempre vem depois de "Nome Completo:" (menos as aspas). Depois do nome, sempre há uma palavra seguida por dois pontos. Essa palavra pode ser Pronúncia, Linguística, Tipo ou qualquer outra coisa.

O mais próximo que posso chegar é esta fórmula:

=IFERROR(REGEXEXTRACT(REGEXREPLACE(JOIN(" ", IMPORTXML(B13, "//div[@id='meta']")), "\s+", " "), "Full Name:\s*([A-Za-z]+(?:[-'\s][A-Za-z]+)*)"), "")

Infelizmente, isso ainda deixa a última palavra.

Então se você tem por exemplo:

Nome completo: Abraham Lincoln Apelido: Honest Abe.

Eu só quero que ele retire Abraham Lincoln. Essa fórmula, como eu tenho, gera:

Abraham Lincoln Apelido

Outros exemplos:

  • Nome completo: John Smith-Rogers Acabamento:
  • Nome completo: David Ben-Williams Prelúdio:
  • Nome completo: Sean O'Brian Apelido:
  • Nome completo: D'Andre Ayton Hora:
  • Nome completo: Andy Van Slyke Nome:

Saídas respectivas:

  • John Smith-Rogers
  • David Ben-Williams
  • Sean O'Brian
  • D'André Ayton
  • Andy Van Slyke

Para um exemplo ao vivo: https://www.baseball-reference.com/players/l/lopezal01.shtml

A fórmula deve produzir: Alfonso Ramon Lopez

https://www.baseball-reference.com/players/r/ruthba01.shtml

A fórmula deve produzir: George Herman Ruth

O que mais preciso fazer tendo em mente que quero ter certeza de que nomes como O'Brien e Smith-Rogers não sejam afetados?

regex

4 respostas

  1. Considerando os exemplos fornecidos a seguir, criei uma solução que pode funcionar para você.

    Experimente esta expressão regular:

    =IFERROR(REGEXEXTRACT(REGEXREPLACE(JOIN(" ", IMPORTXML(B18, "//div[@id='meta']")), "\s+", " "), "Full Name:\s(.*?)(?:\s\w+:|\sView)"), "")

    ** ATUALIZAÇÃO: Com o site de exemplo fornecido, a fórmula atualizada acima usa um padrão regex que obtém a(s) palavra(s) que começa(m) com "Nome completo:" e termina com a palavra "Exibir" ou outros dois pontos :(ao mesmo tempo em que desconsidera a palavra anterior)

    Referência: Regexextract

    • 1

  2. Tente combinar:

    ^Full Name: ([^:]+?) \w+:$

    e substituindo por:

    $1

    Veja: regex101

    Explicação

    CORRESPONDER:

    • ^Full Name: : A string começa com o literal "Nome Completo: "
    • ( ... ): então capture tudo para o grupo 1 que
      • [^:]+?: não é dois pontos (preguiçosamente) e certifique-se de que
    • \w+:$: sucedido por um espaço e uma palavra seguida por dois pontos.

    SUBSTITUIR:

    • $1: Substituir pelo Nome Completo.
    • 0 
  3. =REGEXEXTRACT(A1,"Full Name:\s+(.*?)\s+[^:\s]+:")
    • Full Name:Literal Full Nameseguido de dois pontos literais:
    • \s+Um ou mais espaços
    • (.*?)Grupo de captura 1 para capturar qualquer personagem preguiçosamente.
    • \s+Um ou mais espaços
    • "[^:\s]+:Qualquer caractere que não seja dois pontos :ou um sespaço seguido por dois pontos literais:
    • 0
  4. Best Answer

    Esta abordagem usa uma ligeira variação do dado xpath-query, que então extrai o Nome Completo

    =let(Σ,tocol(importxml(A2,"//*[@id='meta']/*")),
 +sort(regexextract(Σ,"Full Name: (.+)")))

    insira a descrição da imagem aqui

    • 0

relate perguntas