Google Sheets如何高效识别指定列果蔬值并清理残留逗号

现存问题 #

当前通过手动枚举无关关键词做正则替换的方案存在明显短板：

• 枚举覆盖范围有限，果蔬名称总量大且存在多语言表述，手动逐个录入匹配项效率极低、漏判率高
• 替换无关内容后结果列会残留大量多余逗号、空格，需要额外做二次清理

原使用的公式如下：

=arrayformula(regexreplace(first cell in first row ;"(?i)car|mother|boxes|houses|person"; "") )

可直接落地的优化方案 #

方案1：自定义词典批量匹配（结果稳定，无额外成本） #

不需要每次修改匹配公式，只需要做一次基础配置即可长期使用：

• 新建独立工作表命名为「果蔬词表」，把需要识别的所有果蔬名称（含多语言别名、俗称）逐行存放在A列，后续新增识别项直接往该列追加即可
• 在结果列首行输入以下数组公式，会自动批量处理整列数据，同步完成匹配提取、无效符号清理：

=ARRAYFORMULA(
  IF(A:A="",,
    TRIM(
      REGEXREPLACE(
        REGEXREPLACE(
          BYROW(A:A,LAMBDA(s,IF(s="",,JOIN(", ",FILTER(果蔬词表!A:A,REGEXMATCH(s,"(?i)\b"&果蔬词表!A:A&"\b")))))),
          "(^, |, $|, (?=, ))",
          ""
        ),
        "\s+",
        " "
      )
    )
  )
)

使用提示：将公式中A:A替换为实际待处理的目标列，\b是单词边界符，可避免短词误匹配（比如匹配到"car"时不会误判成"carrot"里的片段），不需要的话可以删除
公式自带清理逻辑：自动去除首尾多余逗号、连续重复逗号、冗余空格，输出结果无残留无效符号。

方案2：内置AI函数自动识别（无需维护词表，支持任意语言） #

如果不想手动维护词表，可直接调用Google Sheets原生的GEMINI函数做智能提取，自动识别任意语言表述的水果、蔬菜，过滤所有无关内容，公式如下：

=ARRAYFORMULA(
  IF(A:A="",,
    TRIM(
      REGEXREPLACE(
        BYROW(A:A,LAMBDA(s,IF(s="",,GEMINI("提取文本中所有水果、蔬菜的名称，多个名称用英文逗号分隔，不要输出任何解释性内容："&s)))),
        "(^, |, $|, (?=, ))",
        ""
      )
    )
  )
)

该方案零配置，直接输入即可使用，对混合多语言、夹杂无关描述的文本适配性更好。

内容的提问来源于stack exchange，提问作者Juan Gomez