整理五万条银行流水居然只需要30s？ |Dirty Work互助者计划

// Dirty Work互助者计划

这里是AutoDocs新推出的专题栏目。

在这个专题栏目里面，我们将聚焦一些特定工作场景，分享一些有助于高效解决Dirty Work的小技巧。

希望在这些技巧的帮助下，大家可以提高自己的工作效率，早点下班！

本栏目中的内容来源主要包括AutoDocs团队成员、AutoDocs交流群内的群友交流讨论内容。

同时，我们也欢迎读者们的来稿，稿件一经录用，都有相应的奖励！

本文由AutoDocs超级厉害的实习生

@一直在努力的小邱 授权发布|

感谢作者为AutoDocs提供优质原创内容|

本文共计约2,400字，建议阅读时间7分钟。

Excel表格匹配是我们处理银行流水过程中经常需要处理的工作。

但是表格的格式、内容并不是固定且完全一致的。

本篇推送，将介绍正则表达式的用法，并通过实战演练，教你如何快速上手，轻松解决Dirty Work！

某天起床，我收到了小伙伴的一条求助信息，问我：

“Excel表格匹配怎么做？”

我心里想：这很简单啊！

用VLOOKUP函数不就解决了吗？

但听他描述完整个问题后，我整个人都傻了…

概括一下这位求助者的问题：

要把银行日记账和流水账按照时间、金额、对方户名一一匹配，如果只是采取普通加辅助列整理出来的只能将时间和金额匹配起来，但是却没办法匹配到对方户名。

对账是要将相同时间、相同账户、相同金额的记录在两个工作表中进行匹配。

但我们经常会遇到的情况是：现金日记账里只有摘要，但没有银行账户这个关键信息。

首先，我们来观察银行流水账和现金日记账两张表格的结构：

表1：银行流水账

表2：现金日记账

✅ 时间

✅ 金额

💡满足两个条件可以通过辅助列来完成匹配

但账户名怎么关联？

银行流水账有账户名这个关键字，但是现金日记账里却没有，怎么处理？

你可能会说：

“嘿嘿，分列不就解决了？用分隔符"-"对日记账的摘要进行分列操作，再用VLOOKUP匹配，轻松解决问题。”

但真实情况的表格一般如下所示：

表述五花八门，格式乱七八糟

不过上面的解决思路上有一点是对的：

要将摘要进行分列，提取出银行账户名

不过怎么确定在哪个位置进行分割提取关键信息呢？

Excel的分列功能面对形形色色的表述爱莫能助，

Power Query的分列好像也不太适用。

面对这种棘手的情况，我们可以借助正则表达式呀！

// 什么是正则表达式？

正则表达式(regular expression)：是一种描述字符串匹配的模式(pattern)，可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。

例如：autodoc+s，可以匹配 autodocs、autodoccs、autodoccccccs 等，+ 号代表前面的字符必须至少出现一次。

因此，正则表达式可以简单粗暴地理解为一种匹配方法：

我们告诉计算机一段内容的内在规律(比如说手机号的11位数字)和我们需要的内容结构，计算机将会帮我们去做相应的匹配，并将找到的结果返还给我们。

相比之下，VLOOKUP的局限性在于：

只能告诉计算机：“帮我找Andy这个单词”，而不能跟计算机说：“帮我找出所有A开头的单词。”

划重点：正则表达式不是一个具体的内容，它是一个抽象的规律。

正则表达式的基本语法：正则表达式一个字符代表一个位置，一组[]代表一个范围，一组{}代表字符出现次数。

下面以匹配日期为例进行操作演示，试试我们刚学会的正则表达式。

基于不同的记录习惯，我们在Excel表中遇到各种各样的情况。看看上面的日期写法，#￥@%&*……。

如果让Excel自动提取每一个单元格里的日期内容，估计Excel都会崩溃。

那么我们人类又是怎么认出这些日期的呢？

因为我们知道，一般四个数字表示年份，两个数字的表示月份或者日号，中间加一些停顿符号或者文字分隔符，继而读出了具体的日期。

那我们就把这个内在的规律通过代码形式体现出来！

第一步：提取年份

年份的取值是由四个数字构成的，数字的取值范围是0-9，取值范围用[]，字符出现次数用{}，因此年份的正则表达式可以写为

[0-9] {4}

👇🏻

等下，年份可能只有两位数字！

所以年份的规律应该是，最少2个数字，最多4个数字！跟字符出现次数有关的，还是用{}，可是怎么写呢？

[0-9]{2,4}表示，0-9范围内的数字最少出现两次，最多出现四次。

所以{}内的参数可有两个，逗号前的参数表示最少出现的次数，逗号后的参数表示最多出现的次数。

如果{}内参数只有一个，则表示出现的固定次数。

第二步：提取月份

根据大家的习惯，年份后面会出现天然的文字分隔符。

比如“年”、“/”、“-”或者“.”等符号，也就是说年份后面紧跟的字符是这几个字符中的某一个，用[]限定范围就可以啦！

注意，这里需要把'-'放在最后，否则会出错，因为'-'放在两个字符中间表示“至”的意思，0-9，0至9。因此如果要表示'-'字符本身，要把'-'放在最后，防止误会~

[0-9]{2,4}[年./-]

👇🏻

第三步：提取日期

我们已经提取了月份前面的所有内容啦，顺着这个思路一口气把月份和日号也拿下吧！

[0-9]{2,4}[年./-][0-9]{2}[月./-][0-9]{1,2}[日号]

👇🏻

咦，“21年12.12”没有高亮，为什么？

因为我们告诉计算机，最后一个字符是日或者号里面的其中一个，而21年12.12的结尾并不是“日”或者“号”那该怎么办呢？

实际上我们想表达的是，如果最后一位有字符就是在日和号里面二选一，没有也行。用{0,1}表达出现次数就好啦！

[0-9]{2,4}[年./-][0-9]{2}[月./-][0-9]{1,2}[日号]{0,1}

👇🏻

第四步：简化表达式

你看现在的这个表达式是不是有点冗长呢？

悄悄告诉你，正则表达式中含有丰富的元字符，我们可以直接用这些元字符代替！

这时，上述日期的正则表达式可以简化为：

\d{2,4}[年月日号./-]\d{0,2}[月日号./-]?\d{0,2}[月日号./-]?

👇🏻

看似复杂的正则表达式，其实也没有想象中那么难对吧！

// 实战演练

回到文章开头提出的问题，这五万多条数据看起来就很乱

那要怎么通过正则表达式怎么快速提取出人名和公司名呢？

不难发现，即便每个人的表达习惯不一样

一个完整的语句会包括主体、事件、对象这些基本要素

针对上述要素描述，我们可以试着找到一些内在规律：

人名前面可能会有其所属部门名称（xx部、BP中心-xx、xxxx项目组）

正则表达式：

'^.{1,3}部|组'

公司名前面可能会有“-”，且公司名的结尾都是“公司”（受篇幅的限制，数据只展示了一部分，法人名称结尾一般是“公司”或者“企业”字样）

正则表达式：

'-.+(公司)|(企业)$'

摘要中的动词大多为“支付”、“报销”、“申请”，而动词前面基本是人名

费用名称一般为“转移费”、“快递费”、“工程款”，即xx费，xx款

正则表达式：

'(支付)|(报销)|(申请)'，'.+[费款]'

Tada！

最后将选中的文本一键替换为空值就成功“清洗”出了我们想要的数据啦~

感谢看到这里，不知道有没有学会呢？

如果刚好遇到需要整理数据的情况就立马应用起来吧！

之后我们会继续在Dirty Work互助者栏目中分享更多让大家高效解决Dirty Work的外挂秘籍，也欢迎加入AutoDocs交流群，和我们一起探索更多提高工作效率的小技巧！

后台回复“加群”获得小助理的联系方式，拉你进AutoDocs交流群！

如果你觉得实用，就点一个“在看”吧！