数据可视化之PowerQuery篇PowerQuery文本处理技巧：移除和提取

Posted 2020-11-29 qiu-hua

https://zhuanlan.zhihu.com/p/64419762

每当拿到原始数据，不如意十有八九，快速准确的清洗数据也是必备技能，数据清洗正好是 PowerQuery 的强项，本文就来介绍两个常用的 M 函数：Text.Remove 和 Text.Select。

看到以 Text 开头的，就知道是文本处理函数，比如原始数据如下，

 

 

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

 

姓名=Text.Remove([客户],{"A".."Z"})

 

 

 

 

Text.Remove 的参数有两个，第一个就是文本，第二个就是要移除的字符，可以是文本或者是文本的列表，{"A".."Z"}就是生成了一个从A到Z的列表，只要是大写字母，就从客户的信息中移除。

如果有小写字母，需要把所有的字母都移除了，把大写的"Z"替换成小写的"z"就行了，

 

姓名=Text.Remove([客户],{"A".."z"})

 

如果只想要英文名，要去掉中文名，可以这样写，

 

英文名=Text.Remove([客户],{"一".."龟"})

 

 

 

Powerquery 的中文字符以 Unicode 连续储存，"一"的 Unicode最小，正常使用的汉字中，"龟"的 Unicode 最大，因此{"一".."龟"}就包含了所有正常使用的汉字列表，正好利用这个特性，去除了所有的中文字符。

如果有更多种类的文本数据不规则的堆放在一起，比如这样，

 

 

想把联系方式提取出来，第二个参数还可以这样写，

 

联系方式=Text.Remove([客户],{"A".."z","一".."龟"})

 

把中文字符和英文字符的列表都放到第二个参数中，全部移除。

 

 

不过如果字符种类很多，像这样更加杂乱的，

 

 

要提取联系方式，用Text.Remove 就有点麻烦，各种奇怪的符号种类太多了，编码也不一定连续。还好有一个 Text.Select 函数专门用来提取的。

Text.Select 函数和 Text.Remove 正好相反，Text.Select 只提取第二个参数中的字符，上图中提取联系方式，直接这样写，

 

联系方式=Text.Select([客户],{"0".."9"})

 

 

 

直接就可以得到联系方式信息。

提取各种字符的列表如下，

 

 

这两个函数的都很简单，需要提取或者移除字符的情况直接套用就可以了。