AlteryxのRegEx（正規表現）ツールの出力方法のご紹介

「カスタマーストーリー」を支えるツール特集

#ビジネス・アナリティクス

#Alteryx Designer

#Alteryx

スズ

2019.10.17

この記事は公開されてから1年以上経過しています。情報が古い可能性がありますので、ご注意ください。

こんにちは。Alteryx勉強中のスズです。

今回はAlteryx DesignerのParse（パース）ツールにあるRegEx（正規表現）ツールについてご紹介します。なお、本エントリの執筆にはAlteryx Designer 2019.3.2.15763を使用しています。

RegEx（正規表現）ツールとは

RegEx Tool | Alteryx Help

RegExツールとは、正規表現を使用することで文字列の置換やパースなどを行うことができるツールです。正規表現とは、文字列そのものではなくパターンを表記することで文字列を表現する方法です。

例えば、以下のようにアルファベットと数字からなるデータがあるとします。

各レコードには「123」「234」といった異なる数字がありますが、「(\d+)」などのように数字を表すパターンを表記できるのが正規表現です。また、正規表現を用いてパースなどを行えるのがRegExツールです。
RegExツールで「(\d+)」を指定してパースを行うと、以下の「RegExOut1」のように数字部分だけが出力されます。

初めて正規表現を使う場合は表記の仕方に戸惑うかと思いますが、RegExツールでは＋ボタンから呼び出すことができます。ここから組み合わせていくことが可能です。

出力方法

サンプルご紹介

RegExツールにはサンプルが用意されています。サンプルはツールを選択してOpen Example（例を開く）から参照することができます。

サンプルには以下のデータが用意されています。このデータを使って、各出力方法でどのようなデータが出力されるかご紹介します。

Match （一致）

Matchは、指定した列の各レコードに正規表現で指定した文字列が含まれているかどうかを「True」または「False」で出力します。一致した場合は「True」、一致しない場合は「False」となります。

サンプルでは以下の設定を行っています。Regular expressionで指定した文字列が一致するかどうかを出力します。

Column to parse（解析する列）：Address
Regular expression（正規表現）：.*-\d{4}
- Case insensitive（大文字小文字を区別しない）：有効

実行すると新しい列が作成され、「True」または「False」が出力されています。

Parse （解析）

Parseは、正規表現でグループを定義し、指定した列の各レコードからデータをパースして新しい列を作成します。

サンプルでは以下の設定を行っています。Regular expressionで「()」を使用して文字列のグループを指定し、新しい列に出力します。

Column to parse（解析する列）：Name
Regular expression（正規表現）：([a-z]+)\s([a-z]+)
- Case insensitive（大文字小文字を区別しない）：有効
Output columns（出力列）：列名、データ型、サイズを指定

このサンプルではRegular expressionで「()」を2つ指定していますので、2つの列を作成する設定になっています。実行すると、「Name」列から「First Name」列と「Last Name」列を作成します。

Replace （置換）

Replaceでは、各レコードに正規表現で指定した文字列が含まれている場合、異なる文字列に変換します。

サンプルでは以下の設定を行っています。Regular expressionで指定した文字列をReplacement textで指定した文字列に置換します。

Column to parse（解析する列）：Address
Regular expression（正規表現）：(.),(.),(.*)\s(\d{5})(-\d{4})?
- Case insensitive（大文字小文字を区別しない）：有効
Replacement text（置換テキスト）：$4: $2, $3
- Copy unmatched to text to output（一致しないテキストを出力にコピーする）：有効

Replacement textでは、Boost-extended Format String Syntaxで「$」で元のデータのn番目の部分式に一致したものを出力するように設定しています。実行すると、「Address」列のデータが置換後の文字列になっています。

Tokenize （トークン化）

Tokenizeでは、正規表現で文字列を指定して出力します。出力先として異なる列を選択できるほか、同じ列の異なる行に出力することも可能です。Text To Columns（列分割）ツールのように使用することができます。

サンプルでは以下の設定を行っています。Regular expressionで正規表現を指定し、3つの列に出力します。

Column to parse（解析する列）：Address
Regular expression（正規表現）：[^,]+
- Case insensitive（大文字小文字を区別しない）：有効
Split to columns（列分割）
- Number of columns（列数）：3
- Extra columns（余分な列）：Drop extra with warning（警告付きで超過分を削除）
- Output root name（出力ルート名）：Address