Receitas Regex para limpeza de dados CRM e CSV

Receitas de Regex para Limpeza de Dados de CRM e CSV

Dados de CRM sujos custam dinheiro real: emails devolvidos, contatos duplicados, junções de mala direta erradas. Aqui estão 5 padrões de regex testados em batalha que limpam os problemas mais comuns. Teste cada um deles no Testador de Regex antes de executar em dados de produção.

1. Normalização de Número de Telefone

Remova tudo, exceto dígitos e o caractere + líder:

Padrão: [^\d+]
Substituição: (vazio)
Flags:   g

Entrada: (555) 123-4567 → Saída: 5551234567

Entrada: +1-800-555-0199 → Saída: +18005550199

Em seguida, formate programaticamente:

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

2. Validação de Email

Capture emails obviamente inválidos antes que eles entrem no seu CRM:

Padrão: ^[^\s@]+@[^\s@]+\.[^\s@]+$

Combina: [email protected], [email protected]

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

Este é um filtro prático, não compatível com RFC 5322. Para produção, combine com a verificação de registros MX.

3. Remova Espaços Duplicados

Exportações de CSV e copiar-colar frequentemente introduzem espaços em branco extras:

Padrão: \s{2,}
Substituição: (espaço simples)
Flags:   g

Entrada: John Smith Jr → Saída: John Smith Jr

Também remova espaços em branco líderes e finais com ^\s+|\s+$ (flags: gm para multilinha).

4. Extraia Domínio de URL

Puxe domínios de empresa de uma lista de URLs de sites:

Padrão: https?:\/\/([^\/]+)
Grupo de captura 1 = domínio

Entrada: https://www.acme-corp.com/about → Grupo 1: www.acme-corp.com

Para remover www.:

Padrão: https?:\/\/(?:www\.)?([^\/]+)

5. Limpeza de Artefatos de Citação CSV

Parsers de CSV às vezes deixam aspas e espaços perdidos:

Padrão: ^[\s"]+|[\s"]+$
Substituição: (vazio)
Flags:   g (aplicar por campo)

Entrada: " Acme Corp " → Saída: Acme Corp

Para aspas duplas escapadas dentro de campos:

Padrão: ""
Substituição: "

Colocando Tudo Junto

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

Cole cada padrão no Testador de Regex com dados de amostra para verificar correspondências e capturas antes de aplicar em escala.

Relacionado