RegEx neboli regulární výraz je vzor pro hledání v textu. V SEO se hodí například k výběru skupiny dotazů, filtrování URL nebo rozdělení exportu do přehledných částí. Výraz ale nepozná význam stránky a sám neurčí hledanost ani nákupní záměr. Nejdřív potřebujete vědět, co má filtr zahrnout a co už zahrnout nesmí.
Začněte pravidlem, ne sbírkou znaků
„Chci vybrat kategorie“ není dostatečné zadání. Kategorie jsou obsahový typ, zatímco regex vidí jen textový řetězec. Pokud má část kategorií jednu úroveň URL a jiná dvě, jednotný vzor podle počtu lomítek je nerozpozná. Nejprve popište strukturu dat, případně použijte mapu typů stránek z CMS.
Dobré zadání zní třeba: „V exportu plných URL vyberte adresy na example.com se dvěma neprázdnými úrovněmi cesty, s volitelným koncovým lomítkem, ale bez parametrů a fragmentu.“ Teď už lze určit, které řádky mají projít. U každého úkolu si předem napište několik správných i chybných příkladů. Právě negativní případy odhalí chybu, kterou hezká shoda na prvním řádku schová.
Pokud hledáte jediný neměnný podřetězec, obyčejný filtr „obsahuje“ může být přehlednější. Regex má cenu tam, kde potřebujete alternativy, hranice nebo proměnlivou část. Složitější zápis není automaticky lepší analýza.
Search Console a GA4 nemají stejné výchozí chování
V Search Console používá vlastní regex filtr syntaxi RE2. Výchozí shoda je částečná a nerozlišuje velikost písmen. Výraz seo proto může vybrat i dotaz SEO audit nebo jak na seo. Pokud potřebujete celý řetězec, přidejte vhodné kotvy. Pro vynucení rozlišování velikosti písmen dokumentace uvádí přepínač (?-i).
Google Analytics naopak dokumentuje výchozí úplnou shodu a rozlišování velikosti písmen. Samotný výraz seo tak při tomto režimu nevybere jak na seo ani SEO. Při práci s konkrétní podmínkou vždy ověřte její operátor a pole. Rozdíl mezi úplnou shodou a hledáním uvnitř textu může změnit celý report, aniž by výraz hlásil syntaktickou chybu.
RE2 také neumí všechno, co znáte z PCRE nebo jiného regex testeru. Nepodporuje například lookahead, lookbehind a zpětné reference ve vzoru. Pokud potřebujete v Search Console něco vyloučit, použijte podle úkolu přímo volbu „Doesn’t match regex“, místo abyste zkopírovali záporný lookahead z návodu pro jiný systém. Podporované konstrukce uvádí referenční syntaxe RE2.
Několik znaků, které opravdu potřebujete chápat
Svislá čára | odděluje alternativy, závorky je seskupují. Zápis ^(seo|geo)$ vybere celý řetězec seo nebo geo. Jiný výraz ^seo|geo$ při částečném hledání vybere i seo audit a seznam geo: první větev je ukotvena jen na začátku, druhá jen na konci. Závorky nejsou kosmetika.
Tečka . znamená zástupný znak, nikoli automaticky doslovnou tečku. V názvu domény proto použijte například example\.com, pokud chcete tečku skutečně hledat. Hvězdička * opakuje předchozí prvek nula nebo vícekrát, plus + jednou nebo vícekrát. Zápis .* je široká shoda; není potřeba jej lepit před a za každý výraz, zvlášť v nástroji s částečným hledáním.
Hranatá závorka vytváří množinu znaků. Zápis [^/?#]+ níže znamená jeden nebo více znaků kromě lomítka, otazníku a mřížky. Stříška uvnitř takové množiny neguje její obsah; na začátku celého vzoru má jiný význam, totiž kotvu začátku. Stejný znak tedy závisí na místě použití.
Modelový filtr značkových dotazů v češtině
Pro fiktivní značku „Modrá dílna“ chceme zahrnout také podobu bez diakritiky, ale ne spojení, kde je název přilepený uvnitř jiného slova. Následující vzor je určený pro částečné hledání v RE2, například nad dotazy v Search Console. Přepínač (?i) v něm výslovně zapíná nerozlišování velikosti písmen:
(?i)(^|[^\p{L}\p{N}_])(modrá dílna|modra dilna)([^\p{L}\p{N}_]|$)
\p{L} zastupuje písmena Unicode a \p{N} čísla; podtržítko zde považujeme za součást slova. Výraz tak kontroluje hranici názvu i u českých písmen. V RE2 totiž \b pracuje s hranicí slov podle ASCII znaků a jednoduchý vzor \bčaj\b nenajde ani samostatný řetězec čaj. Pro česká data není bezpečné předpokládat, že každá slovní zkratka zachází s diakritikou stejně jako člověk.
- Projít mají například
Modrá dílna kontakt,recenze modra dilnaa(modrá dílna). - Neprojdou
xmodrá dílna,modra dilna2animodra dilnař, protože chybí požadovaná hranice. - Varianta
modrá dílna.czprojde: tečka odpovídá vymezenému oddělovači. Pokud to nechcete, musíte změnit zadání i test.
Jde o ilustrativní slovník, ne hotový filtr pro vaši firmu. Překlepy a názvy produktů přidejte jen tehdy, pokud je skutečně chcete zahrnout. Obecný název může mít i neznačkový význam; regex jej podle kontextu neodliší. Neznačkové dotazy získané obrácením filtru proto stále nejsou dokonale čistá obchodní kategorie.
Výběr URL se dvěma úrovněmi cesty
Pro předchozí přesné zadání použijeme následující vzor v RE2. Doména je modelová, vstupem je celá URL a shoda rozlišuje velikost písmen. V Search Console ji zde výslovně zapíná úvodní (?-i):
(?-i)^https://example\.com/[^/?#]+/[^/?#]+/?$
Projdou https://example.com/boty/zimni/ i stejná URL bez posledního lomítka. Neprojde jedna úroveň /boty/, třetí úroveň /boty/zimni/model/ ani adresa doplněná o ?sort=cena nebo #detail. Escapovaná tečka a ukotvený začátek také brání shodě s doménou exampleXcom či example.com.evil.test.
Výraz úmyslně nepřijímá parametry a fragmenty. Pokud je export obsahuje a chcete je ponechat, upravte pravidlo, ne až interpretaci výsledků. Normalizaci dat dělejte odděleně a uchovávejte původní sloupec. A hlavně: dvě úrovně cesty nejsou důkaz kategorie. Jsou jen vlastnost URL.
Úplná shoda pro zdroj a médium v GA4
Jestli v poli zdroj / médium relace vybíráte přesně dvě hodnoty google / organic a bing / organic, můžete pro úplnou shodu použít:
^(google|bing) / organic$
Modelový test přijme obě uvedené hodnoty. Odmítne google / cpc, notgoogle / organic, google / organic extra a při rozlišování velikosti písmen také Google / organic. Záleží i na mezerách kolem lomítka. Před použitím zkontrolujte skutečné hodnoty svého pole a to, že pracujete s rozsahem relace, nikoli uživatele.
Tento výběr nepokrývá „veškerou organickou návštěvnost“. Obsahuje jen dvě zadané hodnoty a může vyloučit jiné vyhledávače. Pokud je cílem kanál Organic Search, zvažte, zda není vhodnější příslušná kanálová dimenze. Filtr musí odpovídat rozhodnutí, ne jen známému příkladu z internetu.
Jak byly ukázky ověřeny a co musíte ověřit vy
Uvedené hlavní vzory a doprovodné protipříklady byly otestovány nad syntetickými řetězci skutečnou knihovnou Google RE2 prostřednictvím jejího Python bindingu. Test rozlišoval částečné hledání a úplnou shodu i nastavení velikosti písmen. U URL vzoru byl ověřen také přepínač uvedený přímo v ukázce. Nešlo o běh v přihlášeném účtu Search Console ani GA4 a nešlo o test na zákaznických datech.
Taková kontrola ověří syntaxi a očekávané chování nad zadanými příklady. Neprokáže, že vaše pole obsahuje stejné hodnoty nebo že jste dobře vymezili segment. Při nasazení porovnejte vzorek zahrnutých i vyloučených řádků a rozsah reportu před filtrem a po něm. Search Console navíc upozorňuje, že filtrování dotazů a URL může ovlivnit součty kvůli ořezání dat a vynechání anonymizovaných dotazů. Nesoulad součtů tedy neznamená automaticky chybný regex.
Pokud si necháte výraz navrhnout AI, zadejte nástroj, dialekt, vstupní pole, režim shody a pozitivní i negativní příklady. Potom jej zkontrolujte stejně jako vlastní zápis. Skutečné neveřejné dotazy, tokeny nebo osobní údaje neposílejte bez posouzení do veřejných testerů. Pro sdílení chyby obvykle stačí syntetický příklad se stejnou strukturou.
Uložte pravidlo společně s reportem
Vedle vzoru uchovejte jeho účel, dialekt, režim, datum kontroly a malou testovací sadu. Při změně URL nebo názvu značky upravte také testy. Regex použitý pro filtraci analytického exportu nepřenášejte bez další kontroly do přesměrování, mazání nebo hromadného přepisu dat: tam může stejná chyba mít podstatně závažnější důsledky.
Pro první pokus si vezměte malý anonymizovaný export a jediné jasné pravidlo. Pokud filtr používáte jako podklad pro obsahová rozhodnutí, navazujte také obsahovou strategií: správně vybrané řádky jsou začátek analýzy, nikoli hotová priorita pro celý web.
Potřebujete z exportů vybrat správná data?
Můžu vám pomoci vymezit segment a zkontrolovat, zda filtr odpovídá otázce, kterou chcete z dat zodpovědět. Proberme zadání vašeho reportu. Pro první domluvu stačí popis nástroje, pole a pravidla; neveřejná data předáme až dohodnutou cestou.









