カスタム正規表現の一般フィールドを構築する

必要な権限: 「データセットの更新」

カスタム正規表現の一般フィールドとは

カスタム正規表現の一般フィールドを使用すると、ID やリファレンス番号など、繰り返し構造がわかっているテキストの範囲を抽出して書式設定できます。

このオプションは、バリエーションがほとんどないシンプルで構造化された一般フィールドには便利ですが、大きなバリエーションがあり、コンテキストが予測に大きな影響を与えるようなフィールドには、マシンラーニングベースの一般フィールドが最適な選択肢です。この 2 つを組み合わせて Communications Mining 内の任意のデータセットで使用できます。

より広範な正規表現 (つまり、 [全般] フィールドを定義する一連のルール) は、カスタムの一般フィールドのベースとしても使用できます。この機能により 、ルールと、Communications Mining 内でのトレーニングによるコンテキストに応じたマシンラーニングベースの絞り込みが組み合わされ 、高度なカスタム一般フィールドが作成されます。これにより、最適なパフォーマンスと、自動化のために抽出される値に必要な制限が提供されます。

カスタムの正規表現テンプレート

カスタム正規表現の一般フィールドは、1 つ以上のカスタム正規表現テンプレートで構成されます。各テンプレートは、一般フィールドを抽出 (および書式設定) する 1 つの方法を表します。

これらのテンプレートを組み合わせることで、同じ一般的なフィールドタイプの複数の表現をカバーする柔軟で強力な方法が提供されます。

テンプレートは、次の 2 つの部分で構成されます。

正規表現 (正規表現) は、一般的なフィールドとして抽出されるテキストの範囲が満たす必要がある制約を記述します。
書式設定。抽出した文字列を正規化して、より標準的な書式にする方法を表します。

たとえば、顧客 ID が、「ID」という単語とその後に続く 7 桁の数字、または 9 文字の英数字の文字列である場合、2 つのテンプレートは次のようになります。

先行入力の検証

[正規表現] または [書式設定] のいずれかのテキストボックスに入力すると、入力が有効かどうかについて即座にフィードバックが提供されます。たとえば、無効な正規表現「ID\d{}」を入力すると、次のように表示されます。

抽出結果のプレビュー

カスタム正規表現テンプレートをテキストでテストして、期待どおりに動作することを確認できます。テンプレートで抽出される一般的なフィールドは、その値、および開始文字と終了文字の位置とともにリストに表示されます。

たとえば、[正規表現] が「\d{4}」で [書式設定] が「ID-{$}」の場合、次のテスト文字列では抽出結果が 1 つ表示されます。

正規表現

正規表現は、テキスト内の一般的なフィールドを抽出するために使用されるパターンです。構文のドキュメントについては、ここを参照してください。

名前付きキャプチャグループを使用すると、抽出された文字列の特定のセクションを識別し、その後、書式を設定できます。キャプチャグループの名前は、すべてのテンプレートで一意である必要があり、小文字または数字のみを使用する必要があります。

通貨の書式

抽出した [全般] フィールドを後処理するための書式設定を提供できます。

既定では、書式設定は適用されません。プラットフォームから返される文字列は、正規表現で抽出した文字列になります。ただし、必要に応じて、次のルールを使用してより複雑な変換を定義できます。

変数

正規表現で定義した名前付きキャプチャグループは、プレフィックス $ を付けることで、書式設定ロジックで変数として利用できます。$ 記号そのものは、正規表現の完全一致を表すことに注意してください。

その後、変数を書式設定文字列で使用し、対応する抽出範囲をプラットフォームから返される値に挿入できます。変数名は中括弧 { と } で囲む必要があります。

たとえば、7 桁の数字を ID として抽出し、この 7 桁の数字にプレフィックス ID- を付けて返す場合、正規表現と書式設定は次のようになります。

または、名前付きキャプチャグループを使用します。

後で、プラットフォームに「私の識別番号が1234567」というテキストが与えられた場合、1つの一般的なフィールドが返されます My identification number is 1234567、1つの一般的なフィールドが返されます ID-1234567

文字列の操作

生の文字列を使用できます。また、複数の文字列を & 記号で連結できます。

正規表現	(?P<id1>\b\d{3}\b)\|(?P<id2>\b\d{4}\b)
通貨の書式	{$id1 & "-" & $id2}
テキスト	最初の ID は 123 で、2 番目の ID は 4567 です
プラットフォームによって返される全般フィールド	123-4567

関数

特定の関数を書式設定で使用して、抽出された文字列を変換することもできます。関数の名前とそのシグネチャは、Excel に準じます。

Upper

抽出された範囲内のすべての文字を大文字に変換します。

正規表現	\w{3}
通貨の書式	{upper($)}
テキスト	abc
プラットフォームによって返される全般フィールド	ABC

Lower

抽出された範囲内のすべての文字を小文字に変換します。

正規表現	\w{3}
通貨の書式	{lower($)}
テキスト	AbC
プラットフォームによって返される全般フィールド	abc

Proper

抽出された範囲にある単語の最初の文字を大文字にし、それ以降の文字を小文字にします。

正規表現	\w+\s\w+
通貨の書式	{proper($)}
テキスト	albert EINSTEIN
プラットフォームによって返される全般フィールド	Albert Einstein