RegEx в GA4: Ръководство за начинаещи

Към момента GA4 използва точно съвпадение (Exact Match), когато въвеждате RegEx – това означава, че търси стойности, които напълно съвпадат с въведения шаблон, а не просто го „съдържат“. Този тип съвпадение се използва навсякъде в платформата, с едно изключение – „Add filter“ в стандартните отчети, където е позволено и частично съвпадение (Partial Match).

С други думи – ако използвате RegEx в Explorations, Audience segments, DebugView, Events и други секции, имайте предвид, че ще се търси точно съвпадение с шаблона, не просто дали текстът го „съдържа“.

Ако RegEx шаблонът ви не връща никакви резултати, вероятно причината е в това, че GA4 очаква точно съвпадение, а не „съдържа“.

А защо е така?

GA4 използва RE2 синтаксис – това е олекотена и много по-бърза версия на RegEx, създадена от Google. Тя е оптимизирана за скорост и сигурност, но има някои ограничения, които е добре да знаете:

• Не може да се търси нещо, което се намира след конкретна дума – (?<=…)

Пример: Искаме да открием „thank-you“, но само ако преди това в URL-то има „checkout“.
Обикновен RegEx би изглеждал така: (?<=checkout)thank-you
Това обаче няма да проработи в GA4 – т.нар. „lookbehind“ не се поддържа.

• Може да се използва „lookahead“, но само ако дължината е фиксирана – (?=…)

Пример: Ако искаме да открием „product“, но само ако след него има „review“ или „details“, и то с различна дължина, това няма да проработи.
Примерен шаблон, който няма да работи: (?=product)(.*)(?=review|details)

• Не може да се използват „Backreferences“ – (\1, \2 и т.н)

Това е полезно, когато искате да проверите дали една дума се повтаря на различни места.
Пример: Представете си, че имате URL като: /shop/product/shoes/product и искате да намерите всички URL-и, където думата след /shop/ се повтаря по-нататък в адреса (в случая – product).

Обикновено това се прави с RegEx като: /shop/(.*)/.*\1/ – където \1 означава “използвай отново първата хваната част”.

• Ограничена поддръжка за т.нар. „по-мързеливи“ търсения (non-greedy)

Квантификаторите в RegEx показват колко пъти даден елемент може да се среща. По подразбиране те са „алчни“ (greedy) – т.е. опитват се да съвпаднат с възможно най-дългия текст. Понякога обаче ни трябва обратното – да хванем най-краткото възможно съвпадение. Именно тук идват така наречените мързеливи (или lazy) квантификатори.

В GA4 се поддържат само базовите lazy квантификатори, а именно:
+? – съвпада с едно или повече срещания, но спира при първа възможност
*? – съвпада с нула или повече пъти, но търси най-краткия вариант

Ако опитате да създадете по-сложна конструкция с lazy квантификатори, GA4 може да не я разпознае правилно или изобщо да не върне съвпадение. Това е едно от ограниченията на RE2 синтаксиса, който платформата използва.

• Няма пълна поддръжка на букви от различни езици

RE2 синтаксисът не поддържа Unicode property escape конструкции, като например \p{L}. Това са шаблони, с които можете да уловите всички буквени символи, включително такива с ударения, специални знаци или от други езици (напр. кирилица, китайски, арабски и др.).

Пример: Шаблонът \p{L}+ обикновено съвпада с думи като Café (тъй като é е буква с ударение). В GA4 това няма да проработи, защото RE2 не поддържа този синтаксис.

Ако все пак искате да ограничите съвпадението само до букви, може да използвате нещо такова: [a-zA-Záéíóúñü]+

Това ще хване стандартни латински символи и няколко често срещани символа с ударения – полезно, ако работите със съдържание на испански, португалски или френски. Този шаблон обаче няма да разпознае букви на кирилица, арабски, китайски и др. Ако имате съдържание на различни езици – това ще е пречка и ще трябва да използвате по-широки или custom решения.

• Не се поддържат т.нар. „possessive quantifiers“ – (пр.: *+, ++)

Това са подобрени версии на алчните (greedy) квантификатори, като * или +, но с едно важно отличие: веднъж щом намерят съвпадение, не позволяват връщане назад (backtracking), за да се пробва друга комбинация.

Пример: Нека разгледаме текста aab и шаблона a*+b
• a*+ ще се „вкопчи“ в двете „а“-та (aa)
• после ще потърси „b“
• ако няма „b“ точно след това, няма да върне назад, за да пробва с по-кратко съвпадение като a + b

Това поведение е направено с цел по-добра производителност, но изисква много прецизно написани шаблони.

• Условни проверки също не са възможни – (?(condition)then|else)

В по-мощните RegEx системи може да използвате условни проверки, които работят според това дали дадена част от шаблона вече е открила съвпадение. Това ви позволява да зададете „Ако X е вярно – направи едно, иначе – направи друго“.

Примерен RegEx: (?(1)dog\d*|cat)
Този шаблон проверява:
• ако група 1 вече е уловила нещо → търси dog + числа (напр. dog123)
• ако група 1 не е активна → търси cat

С други думи:
• cat ще се хване, ако преди това не сме открили определена част
• dog123 ще се хване, ако вече сме открили нещо друго по-рано в шаблона

• Няма поддръжка за сложно „междинно“ съвпадение (substring matching)

Понякога се налага да търсите част от текст (substring), но само ако тя се намира между други две конкретни думи или елементи. В по-мощните RegEx системи това може да се направи чрез конструкции като lookbehind и lookahead.

Пример: Представете си, че искате да откриете всички URL-и, които съдържат думата order, но само ако се намира между cart и confirmation, като например:
/cart/checkout/order123/confirmation

В стандартен RegEx бихте използвали шаблон като: (?<=cart).*order(?=confirmation)

Това обаче не работи в GA4, защото:
• (?<=…) – т.нар. lookbehind – не се поддържа
• сложни комбинирани условия със .* и динамична дължина също могат да създадат проблеми

Използвайте по-опростена, но ефективна алтернатива: ^/cart.*order.*confirmation$
Този шаблон ще открие всички URL адреси, които:
• започват с /cart
• съдържат order някъде по средата
• завършват с confirmation