字符串过滤

📖 节点概述

多功能字符串列表过滤节点，支持对字符串列表或多行文本进行 20 余种筛选操作。可根据是否包含指定字符、开头/结尾特征、字符串长度、中英文数字特征、乱码检测甚至正则表达式进行过滤。输入既可以是文本列表，也可以是含换行符的多行字符串（自动按行拆分）。输出为过滤后的字符串列表。该节点为纯数据节点，无执行端口。

💡 使用场景：

• 日志清洗：从海量日志行中提取包含特定关键字（如 ERROR）的条目。
• 数据质量检测：筛选出包含乱码或非预期字符的行，标记异常数据。
• 多语言文本分离：将中文行、英文行、数字行分别提取到不同列表。
• 长度过滤：提取长度大于 N 的字符串（如长评论、长短信）。
• 正则匹配：通过自定义正则表达式提取符合复杂模式的文本行（如邮箱、手机号）。
• 排除干扰项：过滤掉包含特殊符号或指定字符的行，保留纯净数据。

🎮 实战连线指南：如何正确使用它？

节点有一个输入端口 数据源，一个动态出现的规则端口（名称根据规则类型变化）以及一个输出端口 过滤结果。通过“过滤规则”下拉框选择筛选方式，再根据提示填写规则或字数限制。

案例一：提取包含“错误”的日志行

1. 获取日志数据：从【变量获取】节点读取 log_lines（字符串列表或多行文本）。
2. 连接节点：将 log_lines 连入【字符串过滤】的 数据源。
3. 选择规则：下拉框选择 提取包含字符->，此时会自动出现一个名为“规则”的多行文本输入框。
4. 填写规则：在“规则”中输入 错误（每行一个关键词，支持多行）。
5. 获取结果：过滤结果 输出包含“错误”的所有行组成的列表。
6. 后续使用：对结果进行进一步处理或保存。

案例二：筛选长度大于 10 的字符串

1. 选择规则：下拉框选择 提取个数大于->，出现“字数限制”输入框（整数）。
2. 设置阈值：在“字数限制”中输入 10。
3. 结果：只保留长度大于 10 的字符串。

案例三：正则提取手机号所在行

1. 选择规则：下拉框选择 正则提取->，出现“规则”多行文本框。
2. 填写正则：输入 /1[3-9]\d{9}/（使用 / 包裹表示正则表达式；若不使用 / 则按普通文本匹配）。
3. 结果：包含手机号的行被保留。

⚙️ 引脚与参数说明

📥 输入引脚

⚙️ 控件参数

📤 输出引脚

🔧 过滤规则详解

⚠️ 注意事项

• 数据源拆分规则：如果输入是字符串，按 \n 换行符拆分成行，并自动去掉首尾空白行。空行会被忽略。如果是列表，每个元素转为字符串处理。
• 多规则逻辑：所有“提取包含/不包含”类规则，当有多个规则时，采用“或”逻辑：只要匹配任意一条规则即视为满足（或不满足）。
• 正则表达式支持：使用 /pattern/ 格式，内部使用 Python re 引擎。注意特殊字符转义。
• 乱码定义：包含以下字符视为乱码：ASCII 控制字符（0x00-0x08, 0x0B, 0x0C, 0x0E-0x1F, 0x7F）以及 Unicode 替换字符 \ufffd。
• 性能考虑：当数据源包含大量行（数万行）且规则较复杂时，可能有一定延迟。
• 输出始终为列表：即使输入是字符串，输出也是列表类型。若需要还原为文本，可配合【列表转文本】节点。

💎 小贴士：

• 正则规则可以灵活组合：例如 /^\d{3}/ 匹配以三位数字开头的行。
• 多个过滤条件无法在一个节点内同时使用（如同时要求包含“A”且长度>5）。可通过串联多个【字符串过滤】节点实现复合过滤。
• 提取包含/不包含字符时，规则支持多行，每行独立匹配。例如规则输入 ERROR 和 WARNING，保留同时包含两者或任一的行（这里是“或”关系）。
• 使用“提取全部是中文的行”可以快速分离中文字符串，用于自然语言处理预处理。