使用 importxml 和 substring-after 提取子字符串

Question

使用 Google sheet 'ImportXML'，我能够使用以下方法从 url（在单元格 A2 中）中提取以下数据：

=IMPORTXML(A2,"//a/@href[substring-after(., 'AGX:')]").

数据：

/vector/AGX:5WH
/vector/AGX:Z74
/vector/AGX:C52
/vector/AGX:A27
/vector/AGX:C6L

但是，我想提取“/vector/AGX:”之后的代码。代码不固定为3个字母，行数也不固定

我用了=INDEX(SPLIT(AP2,"/,'vector',':'"),1,2)。但它只适用于一行数据。必须将 index+split 函数复制到整个列，并且必须插入一个额外的列来存储代码。

5WH
Z74
C52
A27
C6L

但是，我希望能够在 AGX 之后提取代码：一次性使用 ImportXML。有办法吗？

Answer 1

解决方案

您的问题在于如何实施 index 公式。第一个参数 return 是行（在你的例子中是每个元素），第二个参数是列（在你的例子中是 AGX 或之后的代码）。

如果我们不是获取单个单元格，而是将此公式应用于一个范围并且我们没有为该行设置任何值，则该公式将 return 所有值实现您的目标。这是它的实现 （其中 F1:F5 将是您希望应用此公式的值范围） :

=INDEX(SPLIT(F1:F5,"/,'vector',':'"),,2)

如果您对仅使用 IMPORTXML 和 XPATH 的解决方案感兴趣，根据 the documentation，您可以使用 substring，如下所示:

=IMPORTXML(A1,"//a/@href[substring-after(.,'SGX:')]")

这样做的缺点是它会 return 完整的字符串，而不仅仅是 SGX: 之后的内容，这意味着您需要使用 Google sheet 拆分这个的公式。这是我完全使用 XPath 取得的最大成就。在 XML 中应用 forEach 会更容易，实际上 select 在 : 之后是什么，但我相信 sheets 如果不是不可能的话会更复杂只使用 XPath。

希望对您有所帮助。让我知道您是否需要其他任何东西或者您不明白什么。 :)

使用 importxml 和 substring-after 提取子字符串

Extract substring using importxml and substring-after

xpath

web-scraping

google-sheets

google-sheets-importxml

解决方案