Recettes Regex pour le nettoyage des données CRM et CSV

Recettes Regex pour le nettoyage des données CRM et CSV

Les données CRM sales coûtent de l'argent réel : e-mails rebondis, contacts en double, fusions de courrier incorrectes. Voici 5 modèles regex éprouvés qui nettoient les problèmes les plus courants. Testez chaque modèle dans le testeur Regex avant de l'exécuter sur des données de production.

1. Normalisation des numéros de téléphone

Supprimez tout sauf les chiffres et le + initial :

Modèle : [^\d+]
Remplacement : (vide)
Drapeaux : g

Entrée : (555) 123-4567 → Sortie : 5551234567

Entrée : +1-800-555-0199 → Sortie : +18005550199

Puis formatez de manière programmatique :

const digits = phone.replace(/[^\d+]/g, '');
// Format US : +1 (XXX) XXX-XXXX

2. Validation des e-mails

Interceptez les e-mails évidemment invalides avant qu'ils n'entrent dans votre CRM :

Modèle : ^[^\s@]+@[^\s@]+\.[^\s@]+$

Correspondances : [email protected], [email protected]

Rejets : user @example, @missing.com, no-at-sign.com

Ceci est un filtre pratique, non conforme à RFC 5322. Pour la production, associez-le à une recherche de enregistrement MX.

3. Suppression des espaces en double

Les exportations CSV et la copie-collage introduisent souvent des espaces supplémentaires :

Modèle : \s{2,}
Remplacement : (espace simple)
Drapeaux : g

Entrée : John Smith Jr → Sortie : John Smith Jr

Également, supprimez les espaces au début et à la fin avec ^\s+|\s+$ (drapeaux : gm pour multiligne).

4. Extraction du domaine à partir de l'URL

Extrayez les domaines de société à partir d'une liste d'URL de site Web :

Modèle : https?:\/\/([^\/]+)
Groupe de capture 1 = domaine

Entrée : https://www.acme-corp.com/about → Groupe 1 : www.acme-corp.com

Pour supprimer www. :

Modèle : https?:\/\/(?:www\.)?([^\/]+)

5. Nettoyage des artefacts de guillemets CSV

Les parseurs CSV laissent parfois des guillemets et des espaces errants :

Modèle : ^[\s"]+|[\s"]+$
Remplacement : (vide)
Drapeaux : g (appliquer par champ)

Entrée : " Acme Corp " → Sortie : Acme Corp

Pour les doubles guillemets échappés à l'intérieur des champs :

Modèle : ""
Remplacement : "

Tout mettre ensemble

import re

def clean_crm_row(row: dict) -> dict:
    if 'phone' in row:
        row['phone'] = re.sub(r'[^\d+]', '', row['phone'])
    if 'email' in row:
        row['email'] = row['email'].strip().lower()
    if 'company' in row:
        row['company'] = re.sub(r'\s{2,}', ' ', row['company']).strip()
    return row

Collez chaque modèle dans le testeur Regex avec des données d'échantillon pour vérifier les correspondances et les captures avant de les appliquer à grande échelle.

Liens connexes