使用 Xpath 或 RegExp 解析数据 google sheet (javascript)

Question

我正在尝试从以下website (https://www.fundsquare.net/security/information?idInstr=275136) 解析数据

我想在 Google 表格中显示基金的价格。但是，当使用“importxml”函数时，我收到“导入的内容为空”的错误。有人知道我能做些什么来修复它吗？

我尝试该功能的方式：

=IMPORTXML("https://www.fundsquare.net/security/summary?idInstr=275136" ,"//*[@class ='surligneorange']" )

=IMPORTXML("https://www.fundsquare.net/security/information?idInstr=275136" , "//*[@id='content']/table[2]/tbody/tr/td[3]/span[1]")

=IMPORTXML("https://www.fundsquare.net/security/information?idInstr=275136" , "//*[@id='content']//span[1]")

我不断收到同样的错误。在寻找这个错误时，我得到了静态数据和动态数据之间的区别。这个数据会发生变化，所以我猜它是动态的，但我不确定这会如何影响公式。

我一直在尝试使用脚本编辑器做一些事情，但没有成功。还尝试使用 RegExp 进行一些操作，但除了示例之外没有任何其他内容。我对抓取的了解有限，因此非常感谢尝试解析数据时的任何提示和技巧！ 任何帮助将不胜感激！

编辑： 在脚本编辑器中，我尝试了以下代码：

function importdata() {
  var found, html, content = '';
  var response = UrlFetchApp.fetch("https://www.fundsquare.net/security/information?idInstr=275136");

  if (response) {
    html = response.getContentText();
    if (html) content = html.match(/<span class="surligneorange">(.*)<\/span>/)[0];
  }
   Logger.log(content);
}

这给了我以下日志输出：

[20-06-05 07:44:58:529 PDT] <span class="surligneorange">31.15&nbsp;EUR</span>&nbsp;<span style="color:#DD0000;text-align:left;padding:4px 0;"> -0.67 &nbsp;%&nbsp;<img src="/images/share/variationNegative.gif" style="vertical-align:middle;"/></span></td></tr></table><div id="onglet"><a  href="/security/documents?idInstr=275136">Documents</a><a  href="/security/eusd?idInstr=275136">Taxes</a><a  href="/security/histo-divid?idInstr=275136">Dividends</a><a  href="/security/histo-prices?idInstr=275136">Hist. Prices</a><a  href="/security/price?idInstr=275136">Price</a><a  href="/security/order-ref-data?idInstr=275136">Order Ref. Data</a><a class="selected" href="/security/information?idInstr=275136">Security Information</a><a  href="/security/summary?idInstr=275136">Overview</a><br class="clear_r"/></div><div id="blocresume"><table class="portlet100pct" border="0" cellspacing="0" cellpadding="0"><tr><td valign="top"  class="portletleft50pct"><table width="100%" border="0" cellspacing="0" cellpadding="0"><tr><td valign="top" class="portletBordGris"><div style="position: relative; left: 1px;" class="bloctitle"><img src="/Fundsquare/images/share/x.gif" border="0" height="1" width="1" /></div><DIV class="bloctitle" style="position: relative; top: -21px; right: 1px;"><span style="top: 3px;" >General information</span>

值 31.15 是我要抓取的值。如何在电子表格中获取此值？

编辑 06/06 10:14： 更多问题

能否请您帮助我了解您所做的更改。我尝试匹配的和你匹配的到底有什么区别。

我的：

if (html) content = html.match(/<span class="surligneorange">(.*)<\/span>/)[0];

你的：

if (html) content = html.match(/<span class="surligneorange">([\d.]*).*?<\/span>/)[1];


and:
if (html) content = html.match(/<span class="surligneorange">([\d.]*).*<\/span>/)[1];

我的[0] 和你的[1] 有什么区别。是您只要求第一个值吗？

我的.*和你的([\d.]*).*或[\d.]*).*?有什么区别？？？ 我对 javascript 的了解不是很好，所以我不确定它的作用。谢谢您的帮助！

Answer 1

这个答案怎么样？

不幸的是，当我看到 HTML 和您的公式时，我认为 IMPORTXML 可能无法直接检索到该值。因此，我认为您使用 Google Apps 脚本的方法可用于检索您期望的值。但我认为你的脚本有一些修改点来实现它。在这个答案中，我想提出您的 Google Apps 脚本的修改点。

在你的情况下，我认为match的方法和正则表达式需要修改。

修改后的脚本

当你的脚本被修改时，请进行如下修改。

从：

if (html) content = html.match(/<span class="surligneorange">(.*)<\/span>/)[0];

到：

if (html) content = html.match(/<span class="surligneorange">([\d.]*).*?<\/span>/)[1];

• 在我的测试中，修改后的脚本返回31.15。
• 我觉得<span class="surligneorange">([\d.]*).*<\/span>也可以用。

在 Google 电子表格中放入单元格的脚本

作为在 Google 电子表格中放入单元格的修改脚本，根据您的情况，我认为您可能希望将其用作自定义函数。如果是这样，那么下面的修改脚本怎么样？

当您的脚本用作自定义函数时，请将函数名称从importdata重命名为其他人。因为importdata已经被用作内置函数了。

function sample() {
  var found, html, content = '';
  var response = UrlFetchApp.fetch("https://www.fundsquare.net/security/information?idInstr=275136");
  if (response) {
    html = response.getContentText();
    if (html) content = html.match(/<span class="surligneorange">([\d.]*).*<\/span>/)[1];
  }
  return content;
}

• 在这种情况下，当=sample() 被放入单元格时，31.15 的值被放入该单元格。如果要将值作为数字，请将return content修改为return Number(content)。

参考：

• match()

补充：

对于您的其他问题，我添加了如下答案。

在您的脚本中，html.match(/<span class="surligneorange">(.*)<\/span>/)[0]; 返回完整匹配。当您要检索组时，在本例中为html.match(/<span class="surligneorange">(.*)<\/span>/)[1];。但是，在这个正则表达式中，检索到的值为31.15 EUR</span>.....General information</span>。我认为您的问题的原因是这个。

为了检索31.15 EUR的值，.*被修改为.*?。这样，匹配的值是从<span class="surligneorange">31.15 EUR</span>.....General information</span> 到<span class="surligneorange">31.15 EUR</span>。

但在您的目标中，您只想检索31.15。所以我使用了([\d.]*).*。这样，<span class="surligneorange">31.15 EUR</span>.....General information</span> 中的31.15 被检索到。当使用([\d.]*).*? 时，检索<span class="surligneorange">31.15 EUR</span> 中的31.15。

所以，在<span class="surligneorange">([\d.]*).*?<\/span> 的情况下，<span class="surligneorange">31.15 EUR</span> 是匹配的。而([\d.]*) 就是31.15。

在<span class="surligneorange">([\d.]*).*<\/span> 的情况下，匹配<span class="surligneorange">31.15 EUR</span>.....General information</span>。而([\d.]*) 是31.15。

参考：

• Regular expressions