尝试使用正则表达式和公式拆分电子表格单元格中的所有 4 位数字
Attempting to split all 4 digit numbers in spreadsheet cells with regex and formulas
我目前 运行 在 Google 电子表格中使用拆分和正则表达式遇到一些困难。我试图将一个单元格的内容拆分成一行，但只提取了四个连续数字（代表年份）的序列，并且只使用了单元格公式（不是函数）。最终，这个公式将应用于整个列，但我暂时将其限制为单个单元格。例如，给定一个单元格“I2”，其内容为：
2009; Library of Congress; 1939-1945; 23rd 1984; 16
我需要一个结果（放在“J2、K2、L2、M2 等”中），例如：
2009 1939 1945 1984
尽管分号之间的条目数从一个到多个不等，但据我所知，此示例单元格具有代表性，代表了可能出现的各种可能性。到目前为止，在我自己的尝试中，我得到了两个接近我需要的公式，但都达不到要求。
1）第一个公式为：
=ArrayFormula(SPLIT(SUBSTITUTE(REGEXREPLACE(I, "[^\d\-\;]", ""),"-", ";"), ";"))
实现（在"J2, K2, L2, M2, N2"）：
2009 1939 1945 231984 16
2) 第二个公式为：
=ArrayFormula(SPLIT(SUBSTITUTE(REGEXREPLACE(REGEXREPLACE(I, "[^\d]", ";"), "[^\d\-\;]", ""),"-", ";"), ";"))
这让我（在 "J2, K2, L2, M2, N2, O2"）：
2009 1939 1945 23 1984 16
我一直在想办法用“\d{4}”来限制公式的returns，但是到目前为止我所做的组合或修改都没有成功.有没有人有解决这个问题的见解？
使用这个公式，也许将冒号替换为另一个不太可能出现在源字符串中的字符。
=filter(split(regexreplace(I, "\D+", ":"), ":"), len(split(regexreplace(I, "\D+", ":"), ":"))=4)
说明：这是解决 Google RE2 引擎中正则表达式限制的方法。我们不是寻找模式，而是寻找反模式（任何不是数字的东西）并将其替换为分隔符，然后拆分。剩下的只是由数字组成的子串，所以我们过滤它们，只剩下4个字符的子串。
以下似乎可行，虽然我不是表格专家，但可能还有更有效的方法。
显然，如果您使用捕获组，REGEXEXTRACT 将 return 一个值数组。但是，此方法似乎要求您知道要提取的匹配项的确切数量。
因此以下似乎有效：
=REGEXEXTRACT($I2,REPT("(\b\d{4}\b).*?",(len($I2)-len(REGEXREPLACE($I2,"\b\d{4}\b","")))/4))
工作原理：
First compute the number of matches in the string:
=(len(I2)-len(REGEXREPLACE(I2,"\b\d{4}\b","")))/4
Next, create a regex expression incorporating the regex the correct number of times:
REPT("(\b\d{4}\b).*?", ...Above_formula...)
最后，我们将它们放在上面的最终公式中。
当然，如果您知道匹配的数量总是四 (4)，就没有必要以这种方式构造正则表达式字符串，您可以硬编码。
编辑 如果没有匹配项，要消除不需要的零，请使用 REGEXMATCH 测试是否有任何匹配项：例如：
=ArrayFormula(if(REGEXMATCH($I2,"\b\d{4}\b"),(value(REGEXEXTRACT($I2,REPT("(\b\d{4}\b).*?",(len($I2)-len(REGEXREPLACE($I2,"\b\d{4}\b","")))/4)))),""))
我目前 运行 在 Google 电子表格中使用拆分和正则表达式遇到一些困难。我试图将一个单元格的内容拆分成一行，但只提取了四个连续数字（代表年份）的序列，并且只使用了单元格公式（不是函数）。最终，这个公式将应用于整个列，但我暂时将其限制为单个单元格。例如，给定一个单元格“I2”，其内容为：
2009; Library of Congress; 1939-1945; 23rd 1984; 16
我需要一个结果（放在“J2、K2、L2、M2 等”中），例如：
2009 1939 1945 1984
尽管分号之间的条目数从一个到多个不等，但据我所知，此示例单元格具有代表性，代表了可能出现的各种可能性。到目前为止，在我自己的尝试中，我得到了两个接近我需要的公式，但都达不到要求。
1）第一个公式为：
=ArrayFormula(SPLIT(SUBSTITUTE(REGEXREPLACE(I, "[^\d\-\;]", ""),"-", ";"), ";"))
实现（在"J2, K2, L2, M2, N2"）：
2009 1939 1945 231984 16
2) 第二个公式为：
=ArrayFormula(SPLIT(SUBSTITUTE(REGEXREPLACE(REGEXREPLACE(I, "[^\d]", ";"), "[^\d\-\;]", ""),"-", ";"), ";"))
这让我（在 "J2, K2, L2, M2, N2, O2"）：
2009 1939 1945 23 1984 16
我一直在想办法用“\d{4}”来限制公式的returns，但是到目前为止我所做的组合或修改都没有成功.有没有人有解决这个问题的见解？
使用这个公式，也许将冒号替换为另一个不太可能出现在源字符串中的字符。
=filter(split(regexreplace(I, "\D+", ":"), ":"), len(split(regexreplace(I, "\D+", ":"), ":"))=4)
说明：这是解决 Google RE2 引擎中正则表达式限制的方法。我们不是寻找模式，而是寻找反模式（任何不是数字的东西）并将其替换为分隔符，然后拆分。剩下的只是由数字组成的子串，所以我们过滤它们，只剩下4个字符的子串。
以下似乎可行，虽然我不是表格专家，但可能还有更有效的方法。
显然，如果您使用捕获组，REGEXEXTRACT 将 return 一个值数组。但是，此方法似乎要求您知道要提取的匹配项的确切数量。
因此以下似乎有效：
=REGEXEXTRACT($I2,REPT("(\b\d{4}\b).*?",(len($I2)-len(REGEXREPLACE($I2,"\b\d{4}\b","")))/4))
工作原理：
First compute the number of matches in the string:
=(len(I2)-len(REGEXREPLACE(I2,"\b\d{4}\b","")))/4
Next, create a regex expression incorporating the regex the correct number of times:
REPT("(\b\d{4}\b).*?", ...Above_formula...)
最后，我们将它们放在上面的最终公式中。
当然，如果您知道匹配的数量总是四 (4)，就没有必要以这种方式构造正则表达式字符串，您可以硬编码。
编辑 如果没有匹配项，要消除不需要的零，请使用 REGEXMATCH 测试是否有任何匹配项：例如：
=ArrayFormula(if(REGEXMATCH($I2,"\b\d{4}\b"),(value(REGEXEXTRACT($I2,REPT("(\b\d{4}\b).*?",(len($I2)-len(REGEXREPLACE($I2,"\b\d{4}\b","")))/4)))),""))