Excel’de REGEXREPLACE ile HTML Kodlarını Temizleme: <[^>]+> İfadesi Nasıl Çalışır?

Excel, özellikle veri temizleme ve dönüştürme işlemlerinde yalnızca klasik metin fonksiyonlarından ibaret değildir. Yeni nesil Excel sürümlerinde bulunan REGEXREPLACE fonksiyonu, düzenli ifadeleri (Regular Expressions / Regex) kullanarak karmaşık metin işlemlerini oldukça kolaylaştırır.

Özellikle web sitelerinden, XML dosyalarından, ürün veri kaynaklarından veya HTML içeren metinlerden Excel'e aktarılan verilerde karşımıza çıkan <p>, <strong>, <br>, <div> gibi HTML etiketlerini temizlemek için REGEXREPLACE oldukça kullanışlıdır.

Örneğin aşağıdaki formül:

=REGEXREPLACE(AH1,"<[^>]+>","**-")

ilk bakışta karmaşık görünebilir. Ancak formülü üç parçaya ayırdığımızda çalışma mantığını anlamak oldukça kolaydır.

---

REGEXREPLACE Nedir?

REGEXREPLACE, bir metin içerisinde belirli bir düzenli ifade (Regex) ile eşleşen bölümleri bulup başka bir metinle değiştirmeye yarayan Excel fonksiyonudur.

Temel kullanım şekli şöyledir:

=REGEXREPLACE(metin, regex, değiştirilecek_metin)

Burada:

• metin: İşlem yapılacak hücre veya metin
• regex: Bulunacak karakter veya desen
• değiştirilecek_metin: Bulunan desenin yerine yazılacak değer

Bizim formülümüz ise:

=REGEXREPLACE(AH1,"<[^>]+>","**-")

şeklindedir.

Dolayısıyla Excel'e kabaca şu talimatı vermiş oluyoruz:

AH1 hücresindeki belirli bir Regex desenine uyan bölümleri bul ve bunların tamamını **- metniyle değiştir.

Formülü Parçalara Ayıralım

Formülü üç ana bölüme ayırabiliriz:

=REGEXREPLACE(
    AH1,
    "<[^>]+>",
    "**-"
)

Şimdi her bölümü ayrı ayrı inceleyelim.

1. Bölüm: AH1

AH1

Buradaki AH1, üzerinde işlem yapılacak Excel hücresidir.

Örneğin AH1 hücresinde şöyle bir veri olduğunu düşünelim:

<p>Bu bir ürün açıklamasıdır.</p>

REGEXREPLACE bu hücrenin içerisindeki metni inceleyecektir.

2. Bölüm: <[^>]+>

Formülün en önemli ve en teknik bölümü burasıdır:

<[^>]+>

Bu ifade bir regular expression, yani düzenli ifadedir.

Amacı genel olarak:

< karakteriyle başlayan ve > karakteriyle biten HTML benzri etiketleri yakalamaktır.

Örneğin şu ifadeleri yakalayabilir:

<p>
</p>
<strong>
</strong>
<br>
<div>
</div>
<h1>
</h1>

< Karakteri Ne Anlama Geliyor?

Regex'in başlangıcında:

<

bulunuyor.

Bu, eşleşmenin < karakteriyle başlamasını istediğimiz anlamına gelir.

HTML etiketlerinin büyük bölümünün başlangıcında bu karakter bulunur.

Örneğin:

<p>
<strong>
<div>
<span>

hepsi < ile başlar.

[^>] Bölümü Ne Anlama Geliyor?

Formülün biraz daha ilginç kısmı:

[^>]

ifadesidir.

Buradaki [...] karakter sınıfını belirtir.

Normalde:

[abc]

ifadesi a, b veya c karakterlerinden birini ifade eder.

Ancak köşeli parantezin hemen ardından ^ kullanıldığında anlam tersine döner.

Örneğin:

[^>]

şu anlama gelir:

> olmayan herhangi bir karakter.

Yani Regex motoruna:

"Burada > karakteri dışındaki karakterleri kabul et."

demiş oluyoruz.

+ İşareti Ne Yapıyor?

Şimdi elimizde:

[^>]

var.

Bunun arkasına:

+

ekleniyor.

Sonuç:

[^>]+

+ karakteri, kendisinden önce gelen ifadenin bir veya daha fazla kez tekrarlanabileceğini belirtir.

Dolayısıyla:

[^>]+

şu anlama gelir:

> karakteri gelene kadar, > olmayan bir veya daha fazla karakteri ykala.

Örneğin:

<strong>

ifadesinde:

<strong

bölümü bu desene uyar.

Son > Karakteri

Regex'in sonunda:

>

bulunuyor.

Dolayısıyla bütün ifade:

<[^>]+>

haline geliyor.

Bu da şu mantığı oluşturuyor:

• < → < karakteriyle başla
• [^>]+ → > olmayan bir veya daha fazla karakter bul
• > → > karakteriyle bitir

Başka bir ifadeyle:

< ile başlayan, içerisinde > bulunmayan karakterlerden oluşan ve > ile sonlanan bölümü bul.

Bu yapı HTML etiketlerini yakalamak için oldukça pratik bir Regex desenidir.

3. Bölüm: "**-"

Formülün son kısmı:

"**-"

bulunan HTML etiketlerinin yerine yazılacak metindir.

Örneğin AH1 hücresinde:

<p>Ürün açıklaması</p>

olduğunu varsayalım.

Regex:

<[^>]+>

şu iki bölümü yakalar:

<p>
</p>

Bunların her biri:

**-

ile değiştirilir.

Sonuç yaklaşık olarak:

**-Ürün açıklaması**-

olur.

Burada önemli bir ayrıntı var:

Bu formül HTML etiketlerini gerçekten "silmez"; onları **- metniyle değiştirir.

Eğer amacımız etiketleri tamamen kaldırmak olsaydı, son parametreyi boş bırakabilrdik:

=REGEXREPLACE(AH1,"<[^>]+>","")

Bu durumda:

<p>Ürün açıklaması</p>

şuna dönüşür:

Ürün açıklaması

Formül Gerçekte Nasıl Çalışıyor?

Örnek bir ürün açıklamamız olduğunu düşünelim:

<p>Samsung 55 inç televizyon</p>
<strong>4K UHD</strong>
<br>
<p>Akıllı TV özelliklerine sahiptir.</p>

Formül:

=REGEXREPLACE(AH1,"<[^>]+>","**-")

HTML etiketlerini tek tek arar.

Bulduğu etiketler:

<p>
</p>
<strong>
</strong>
<br>
<p>
</p>

Bunların tamamını:

**-

ile değiştirir.

Sonuç:

**-Samsung 55 inç televizyon**-
**-4K UHD**-
**-
**-Akıllı TV özelliklerine sahiptir.**-

şeklinde olabilir.

Peki Neden HTML Etiketlerini Değiştiriyoruz?

Bu yöntem özellikle e-ticaret verilerinde oldukça kullanışlıdır.

Bir ürünün açıklaması web sitesinden veya XML kaynağından Excel'e aktarıldığında veri genellikle düz metin olarak gelmez.

Örneğin:

<p>Ürün Özellikleri</p>
<ul>
<li>Bluetooth bağlantısı</li>
<li>4K çözünürlük</li>
<li>Smart TV</li>
</ul>

gibi bir içerikle karşılaşabiliriz.

Excel'de bunu doğrudan kullanmak istediğimizde HTML etiketleri görüntüyü kirletebilir.

REGEXREPLACE sayesinde bu etiketleri topluca yakalayabiliriz.

Sadece HTML Etiketlerini Silmek İstiyorsanız

Eğer hedefiniz HTML etiketlerini tamamen kaldırmaksa:

=REGEXREPLACE(AH1,"<[^>]+>","")

kullanabilirsiniz.

Örneğin:

<p>Harika bir ürün.</p>

şuna dönüşür:

Harika bir ürün.

Etiketlerin Yerine Boşluk Koymak

Bazı durumlarda etiketleri tamamen kaldırmak istenmeyebilir.

Örneğin:

<p>Birinci paragraf</p><p>İkinci paragraf</p>

etiketleri doğrudan silinirse:

Birinci paragrafİkinci paragraf

gibi istenmeyen bir sonuç oluşabilir.

Bunun yerine boşluk eklemek daha doğru olabilir:

=REGEXREPLACE(AH1,"<[^>]+>"," ")

Sonuç:

Birinci paragraf İkinci paragraf

olur.

Daha sonra gereksiz boşlukları temzlemek için Excel'in TRIM fonksiyonundan da yararlanılabilir.

**- Neden Kullanılmış Olabilir?

Formülde özellikle:

**-

kullanılması dikkat çekici.

Bu karakter dizisi standart bir HTML temizleme yöntemi değildir.

Muhtemelen belirli bir veri işleme sürecinde ayraç (delimiter) olarak kullanılmıştır.

Örneğin HTML etiketlerinin bulunduğu yerleri işaretlemek için:

**-

kullanılabilir.

Böylece veri daha sonra başka bir işlemden geçirilebilir.

Örneğin:

**-Ürün açıklaması**-**-Teknik özellikler**-

gibi bir çıktı elde edilip başka bir programda veya Excel formülünde bu karakter dizisi üzerinden işlem yapılabilir.

Bu nedenle formülün amacı yalnızca "HTML temizlemek" olmayabilir.

Asıl amaç:

HTML etiketlerinin bulunduğu noktaları özel bir işaretleyiciyle değiştirmek

de olabilir.

Regex'in Gücü Burada Ortaya Çıkıyor

Normal Excel fonksiyonlarıyla HTML etiketlerini temizlemek istediğimizde genellikle çok sayıda SUBSTITUTE kullanmamız gerekir.

Örneğin:

=SUBSTITUTE(SUBSTITUTE(SUBSTITUTE(AH1,"<p>",""),"</p>",""),"<br>","")

Ancak HTML içerisinde yüzlerce farklı etiket bulunabilir:

<p>
<div>
<span>
<strong>
<b>
<i>
<ul>
<li>
<br>
<h1>
<h2>

Bunların tamamını tek tek SUBSTITUTE ile temizlemek oldukça zahmetlidir.

Regex yaklaşımında ise:

<[^>]+>

tek bir desenle genel bir çözüm sağlar.

Bu, Regex'in en önemli avantajlarından biridir.

Önemli Bir Nokta: Bu Regex Kusursuz Bir HTML Parser Değildir

Burada teknik açıdan önemli bir ayrım yapmak gerekiyor.

<[^>]+>

HTML etiketlerinin büyük bölümünü yakalamak için pratik bir çözümdür ancak tam teşekküllü bir HTML parser değildir.

Özellikle karmaşık HTML yapılarında:

• > karakterinin attribute değerlerinde bulunması
• Bozuk HTML
• Script içerikleri
• Style içerikleri
• HTML yorumları
• Özel karakter yapıları

gibi durumlarda beklenmeyen sonuçlar ortaya çıkabilir.

Örneğin:

<script>
if (a > b) ...
</script>

gibi bir içerikte Regex yaklaşımı her zaman HTML parser gibi davranmayacaktır.

Dolayısıyla bu yöntem:

• Basit HTML temizleme: Oldukça kullanışlı
• Karmaşık HTML ayrıştırma: HTML parser tercih edilmeli

şeklinde değerlendirilmelidir.

E-Ticaret Verilerinde Kullanım Senaryosu

E-ticaret sistemlerinde ürün açıklamaları çoğu zaman HTML formatında tutulur.

Örneğin bir XML veya veri aktarımından Excel'e şu içerik gelebilir:

<p><strong>Öne Çıkan Özellikler</strong></p>
<ul>
<li>Metal gövde</li>
<li>Bluetooth bağlantısı</li>
<li>USB Type-C</li>
</ul>

Bu veriyi raporlama amacıyla kullanmak istediğimizde HTML etiketlerini temizlemek gerekebilir.

İşte:

=REGEXREPLACE(AH1,"<[^>]+>","")

bu noktada oldukça pratik bir çözüm sunar.

Eğer HTML etiketlerinin bulunduğu noktaları ayrıca işaretlemek istiyorsak:

=REGEXREPLACE(AH1,"<[^>]+>","**-")

kullanılabilir.

Formülün Kısa Özeti

Formülümüz:

=REGEXREPLACE(AH1,"<[^>]+>","**-")

üç temel işlem gerçekleştiriyor:

Bölüm	Görevi
AH1	İşlem yapılacak hücre
<[^>]+>	HTML etiketi benzeri yapıları yakalar
**-	Yakalanan yapıların yerine yazılır

Yani formülü Türkçe olarak şöyle okuyabiliriz:

AH1 hücresindeki < ile başlayıp > ile biten etiket benzeri yapıları bul ve bunların her birini **- ile değiştir.

HTML Etiketlerini Temizlemek İçin Alternatifler

Etiketleri tamamen kaldırmak

=REGEXREPLACE(AH1,"<[^>]+>","")

Etiketlerin yerine boşluk koymak

=REGEXREPLACE(AH1,"<[^>]+>"," ")

Etiketlerin yerine özel ayraç koymak

=REGEXREPLACE(AH1,"<[^>]+>","**-")

Belirli bir HTML etiketini değiştirmek

Örneğin yalnızca <br> etiketlerini yakalamak için:

=REGEXREPLACE(AH1,"<br\s*/?>"," ")

Bu yöntem özellikle HTML'den Excel'e veri aktarırken daha kontrollü dönüşümler yapmak için kullanılabilir.

Sonuç

Excel'deki:

=REGEXREPLACE(AH1,"<[^>]+>","**-")

formülü, Regex'in Excel içerisindeki gücünü gösteren güzel bir örnektir.

Formüldeki:

<[^>]+>

deseni, < ile başlayıp > ile sonlanan HTML etiketlerini yakalamaya çalışırken, REGEXREPLACE bu eşleşmeleri belirlediğimiz:

**-

metniyle değiştirir.

En önemli nokta ise şudur: Bu formül HTML etiketlerini silmek yerine değiştirir. Eğer amaç HTML etiketlerinden tamamen kurtulmaksa, şu kullanım daha uygundur:

=REGEXREPLACE(AH1,"<[^>]+>","")

Özellikle XML/HTML kaynaklarından gelen ürün açıklamaları, teknik özellikler, kategori açıklamaları ve e-ticaret veri setlerinin Excel içerisinde temizlenmesi gibi işlemlerde REGEXREPLACE önemli ölçüde zaman kazandırabilir.

Regex mantığını öğrendikten sonra ise yalnızca HTML temizlemekle kalmaz; Excel içerisinde telefon numarası, e-posta, ürün kodu, SKU, seri numarası ve belirli metin kalıplarını bulma veya dönüştürme gibi çok daha gelişmiş işlemleri de gerçekleştirebilirsiniz.