文本處理技巧：移除和提取

每當拿到原始數據，不如意十有八九，快速準確的清洗數據也是必備技能，數據清洗正好是 PowerQuery 的強項，本文就來介紹兩個常用的 M 函數：Text.Remove 和Text.Select。

看到以 Text 開頭的，就知道是文本處理函數，比如原始數據如下，

如果只想要中文名，就是把英文字母都去掉，可以用Text.Remove函數，添加自定義列，

姓名=Text.Remove([客戶],{"A".."Z"})

Text.Remove 的參數有兩個，第一個就是文本，第二個就是要移除的字元，可以是文本或者是文本的列表，{"A".."Z"}就是生成了一個從A到Z的列表，只要是大寫字母，就從客戶的信息中移除。

如果有小寫字母，需要把所有的字母都移除了，把大寫的"Z"替換成小寫的"z"就行了，

姓名=Text.Remove([客戶],{"A".."z"})

如果只想要英文名，要去掉中文名，可以這樣寫，

英文名=Text.Remove([客戶],{"一".."龜"})

Powerquery 的中文字元以 Unicode 連續儲存，"一"的 Unicode最小，正常使用的漢字中，"龜"的 Unicode 最大，因此{"一".."龜"}就包含了所有正常使用的漢字列表，正好利用這個特性，去除了所有的中文字元。

如果有更多種類的文本數據不規則的堆放在一起，比如這樣，

想把聯繫方式提取出來，第二個參數還可以這樣寫，

聯繫方式=Text.Remove([客戶],{"A".."z","一".."龜"})

把中文字元和英文字元的列表都放到第二個參數中，全部移除。

不過如果字元種類很多，像這樣更加雜亂的，

要提取聯繫方式，用Text.Remove就有點麻煩，各種奇怪的符號種類太多了，編碼也不一定連續。還好有一個Text.Select 函數專門用來提取的。

Text.Select 函數和 Text.Remove 正好相反，Text.Select 只提取第二個參數中的字元，上圖中提取聯繫方式，直接這樣寫，

聯繫方式=Text.Select([客戶],{"0".."9"})

直接就可以得到聯繫方式信息。

提取各種字元的列表如下，

這兩個函數的都很簡單，需要提取或者移除字元的情況直接套用就可以了。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！