Ricette Regex per la pulizia dei dati CRM e CSV

Ricette di Regex per la pulizia dei dati CRM e CSV

I dati CRM sporchi costano denaro reale: email bocciate, contatti duplicati, mail merge falliti. Ecco 5 ricette di regex testate in battaglia che puliscono le questioni più comuni. Testa ogni una nel Tester di Regex prima di eseguirle sui dati di produzione.

1. Normalizzazione del numero di telefono

Elimina tutto tranne i numeri e il simbolo di addizione iniziale:

Modello: [^\d+]
Sostituisci: (vuoto)
Bandiere:   g

Input: (555) 123-4567 → Output: 5551234567

Input: +1-800-555-0199 → Output: +18005550199

Poi formatta in modo programmatico:

const numeri = telefono.replace(/[^\d+]/g, '');
// Formatta gli Stati Uniti: +1 (XXX) XXX-XXXX

2. Validazione dell'indirizzo email

Cattura gli indirizzi email chiaramente invalidi prima che entrino nel tuo CRM:

Modello: ^[^\s@]+@[^\s@]+\.[^\s@]+$

Corrispondenze: [email protected], [email protected]

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

Questo è un filtro pratico, non conforme a RFC 5322. Per la produzione, abbinare con la ricerca dei record MX.

3. Rimuovi spazi duplicati

Le esportazioni CSV e la copia-incolla introducono spazi extra:

Modello: \s{2,}
Sostituisci: (spazio singolo)
Bandiere:   g

Input: John Smith Jr → Output: John Smith Jr

Inoltre, elimina lo spazio iniziale e finale con ^\s+|\s+$ (bandiere: gm per multilinea).

4. Estrai il dominio da una URL

Pulisci i domini delle aziende da una lista di URL dei siti web:

Modello: https?:\/\/([^\/]+)
Gruppo di cattura 1 = dominio

Input: https://www.acme-corp.com/about → Gruppo 1: www.acme-corp.com

Per rimuovere www.:

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

5. Pulisci gli artefatti delle quote CSV

I parser CSV lasciano a volte quote e spazi strani:

Modello: ^[\s"]+|[\s"]+$
Sostituisci: (vuoto)
Bandiere:   g (applica per campo)

Input: " Acme Corp " → Output: Acme Corp

Per le doppie quote escape all'interno dei campi:

Modello: ""
Sostituisci: "

Mettere tutto insieme

import re

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

Inserisci ogni modello nel Tester di Regex con dati di esempio per verificare le corrispondenze e le catture prima di applicarli a larga scala.

Relazioni