Chaînes de caractères

La brick Chaînes de caractères (catégorie Transform) applique une liste ordonnée d'opérations de nettoyage et de manipulation de texte : espaces, casse, remplacements par regex, accents, découpage, concaténation, encodages… Elle prend un flux en entrée (in) et produit un flux en sortie (out), et remplace à elle seule treize anciennes bricks atomiques.

remarque

Les opérations s'appliquent dans l'ordre déclaré. La plupart convertissent la colonne ciblée en type texte ; une opération sur une colonne absente est simplement ignorée.

Opérations disponibles

trim : supprimer les espaces en bordure

Paramètre	Type	Description
columns	liste de textes	Colonnes à nettoyer

Supprime les espaces (et caractères blancs) en début et fin de valeur.

nom (avant)		nom (après)
Ada	→	Ada
Bob	→	Bob

case : changer la casse

Paramètre	Type	Description
columns	liste de textes	Colonnes ciblées
mode	texte	lower (défaut), upper ou title

nom (avant)		nom (après, mode title)
jean dupont	→	Jean Dupont
MARIE curie	→	Marie Curie

regex_replace : remplacer

Paramètre	Type	Description
column	texte	Colonne ciblée (requis)
pattern	texte	Texte recherché (requis)
replacement	texte	Texte de remplacement (défaut : chaîne vide)
regex	booléen	Interpréter pattern comme une expression régulière. Une opération créée depuis l'éditeur part à false ; en son absence, la valeur historique true s'applique.

L'interrupteur Expression régulière de l'éditeur pilote ce paramètre. Laissé éteint, le texte cherché est pris au pied de la lettre — un point remplace un point. Allumé, il devient un motif : un point remplace alors n'importe quel caractère.

tel (avant)		tel (après, pattern: [^0-9], replacement: vide)
06 12-34.56	→	06123456
+33 1 22	→	33122

remove : supprimer un texte

Paramètre	Type	Description
columns	liste	Colonnes ciblées
pattern	texte	Texte à retirer (requis)
regex	booléen	Interpréter pattern comme une expression régulière (défaut false)

Retirer un texte revient à le remplacer par rien. L'opération existe à part parce qu'elle porte sur plusieurs colonnes à la fois, là où regex_replace n'en traite qu'une — et parce qu'un champ « remplacement » laissé vide n'exprime pas la même intention à la relecture.

ville (avant)		ville (après, pattern: " (FR)")
PARIS (FR)	→	PARIS
LYON (FR)	→	LYON

Un motif vide ne fait rien, et une colonne absente est ignorée.

strip_accents : supprimer les accents

Paramètre	Type	Description
columns	liste de textes	Colonnes ciblées

ville (avant)		ville (après)
Orléans	→	Orleans
Besançon	→	Besancon

split : découper une colonne

Paramètre	Type	Description
column	texte	Colonne à découper (requis)
delimiter	texte	Séparateur (défaut ,)
output_columns	liste de textes	Noms des colonnes produites (requis)
keep_original	booléen	Conserver la colonne d'origine (défaut false)

Le découpage produit au maximum autant de morceaux que de colonnes de sortie (le dernier morceau garde le reste).

Avant → après (delimiter: " ", output_columns: [prenom, nom]) :

nom_complet		prenom	nom
Ada Lovelace	→	Ada	Lovelace
Alan Turing	→	Alan	Turing

concat : concaténer des colonnes

Paramètre	Type	Description
columns	liste de textes	Colonnes sources, dans l'ordre (requis)
separator	texte	Séparateur (défaut : espace)
output_column	texte	Colonne de sortie (requis)

Les valeurs vides ou null sont omises (pas de séparateur orphelin).

Avant → après (separator: " ", output_column: nom_complet) :

prenom	nom		prenom	nom	nom_complet
Ada	Lovelace	→	Ada	Lovelace	Ada Lovelace
Alan	null	→	Alan	null	Alan

substring : extraire une sous-chaîne

Paramètre	Type	Description
column	texte	Colonne source (requis)
start	entier	Position de départ, base 0 (défaut 0)
length	entier	Longueur extraite (optionnel : jusqu'à la fin sinon)
output_name	texte	Colonne de sortie (défaut : écrase la colonne source)

code (avant)		dept (après, start: 0, length: 2, output_name: dept)
75001	→	75
13008	→	13

dedup_spaces : réduire les espaces multiples

Paramètre	Type	Description
columns	liste de textes	Colonnes ciblées

Remplace toute suite d'espaces par un seul, et supprime ceux en bordure.

libelle (avant)		libelle (après)
Vis à bois	→	Vis à bois

base64 : encoder / décoder en Base64

Paramètre	Type	Description
columns	liste de textes	Colonnes ciblées
mode	texte	encode (défaut) ou decode

Les valeurs null restent null.

url_encode : encoder / décoder pour URL

Paramètre	Type	Description
columns	liste de textes	Colonnes ciblées
mode	texte	encode (défaut) ou decode

q (avant)		q (après, mode encode)
café crème	→	caf%C3%A9%20cr%C3%A8me

format_number : formater un nombre en texte

Paramètre	Type	Description
column	texte	Colonne numérique source (requis)
format_str	texte	Gabarit de format Python (défaut : deux décimales)
output_name	texte	Colonne de sortie (défaut : écrase la colonne source)

Le gabarit suit la syntaxe str.format de Python, par exemple {:.2f} pour deux décimales ou {:,.0f} pour un séparateur de milliers.

prix (avant)		prix (après, deux décimales)
12.5	→	12.50
8	→	8.00

normalize : normalisation Unicode

Paramètre	Type	Description
columns	liste de textes	Colonnes ciblées
mode	texte	nfc (défaut), nfkc, nfd, nfkd ou ascii

Le mode ascii translittère vers l'ASCII pur en supprimant les caractères non convertibles (accents compris), plus agressif que strip_accents. Les formes nfc/nfkc unifient les représentations Unicode équivalentes (utile avant une comparaison ou une jointure).

Bonnes pratiques

• Enchaînez le nettoyage standard dans une seule brick : trim → dedup_spaces → case couvre la majorité des besoins de mise au propre.
• Avant une jointure sur des clés textuelles, normalisez les deux flux à l'identique (casse, accents, espaces) pour éviter les non-correspondances silencieuses.
• regex_replace avec regex: false est plus sûr pour remplacer un texte littéral contenant des caractères spéciaux (., +, (…).
• Vérifiez le résultat colonne par colonne avec l'aperçu de données dans l'éditeur de pipeline.

Anciennes bricks remplacées

Cette méga-brick remplace les bricks atomiques Trim Strings, Normalize Case, Strip Accents, Regex Replace, Split Column, Concat Columns, Extract Substring, Deduplicate Spaces, Encode Base64, Decode Base64, URL Encode, Format Number et Normalize. Voir Bricks héritées pour la table de correspondance.