使用 App-Script 从网站 HTML table 获取数据并传输到 Google 表格

Question

好的，我知道有类似的问题，但到目前为止我还没有找到适合我的答案。我想做的是从网络上的整个 HTML table (https://www.sports-reference.com/cbb/schools/indiana/2022-gamelogs.html) 收集数据，然后将其 it/transfer 解析为我的 [=31= 中的一个范围] Sheet。下面的代码可能是迄今为止我发现的最接近的东西，因为至少它不会出错，但它只会找到一个字符串或值，而不是整个 table。我在他们使用 xmlservice.parse 的地方找到了其他答案，但这对我不起作用，我相信是因为 HTML 格式存在无法解析的问题。有没有人知道如何编辑我下面的内容，或者有可能适用于该网站的全新想法？

function SAMPLE() {
  const url="http://www.sports-reference.com/cbb/schools/indiana/2022-gamelogs.html#sgl-basic?"
  // Get all the static HTML text of the website
  const res = UrlFetchApp.fetch(url, {muteHttpExceptions: true}).getContentText();
  // Find the index of the string of the parameter we are searching for 
  index = res.search("td class");
  // create a substring to only get the right number values ignoring all the HTML tags and classes
  sub = res.substring(index+92,index+102);

  Logger.log(sub);
  return sub;
}

我知道我可以在 Google Sheet 中本地使用 importHTML，这就是我目前正在做的事情。然而，我正在为超过 350 个网页 table 执行此操作，并遍历每个网页以加载它，然后将值复制到另一个 sheet。当 App Script 反复等待 Sheet 加载 importHTML 然后获取一些数据并在另一个 url 上重新执行时，它会陷入相当多的困境。对于此 post 中的任何格式问题或我做错的事情，我深表歉意，这是我第一次 post 来到这里。

编辑： 好的，我找到了一个可行的方法，但它仍然比我想要的要慢得多，因为它使用 Drive API 创建一个包含 HTML 数据的文档，然后从那里解析并创建一个数组。 Drive.Files.Insert 行是最耗时的部分。任何人都知道如何使它更快？现在对你来说可能并不那么慢，但是当我需要这样做 350 次时，它就会加起来。

function parseTablesFromHTML() {
  var html = UrlFetchApp.fetch("https://www.sports-reference.com/cbb/schools/indiana/2022-gamelogs.html");
  var docId = Drive.Files.insert(
    { title: "temporalDocument", mimeType: MimeType.GOOGLE_DOCS },
    html.getBlob()
  ).id;
  var tables = DocumentApp.openById(docId)
    .getBody()
    .getTables();
  var res = tables.map(function(table) {
    var values = [];
    for (var row = 0; row < table.getNumRows(); row++) {
      var temp = [];
      var cols = table.getRow(row);
      for (var col = 0; col < cols.getNumCells(); col++) {
        temp.push(cols.getCell(col).getText());
      }
      values.push(temp);
    }
    return values;
  });
  Drive.Files.remove(docId);
  var range=SpreadsheetApp.getActive().getSheetByName("Test").getRange(3,6,res[0].length,res[0][0].length);
  range.setValues(res[0]);
  SpreadsheetApp.flush();
}

Answer 1

公式求解

尝试

=importhtml(url,"table",1)

脚本的其他解决方案

function importTableHTML() {
  var url = 'https://www.sports-reference.com/cbb/schools/indiana/2022-gamelogs.html'
  var html = '<table' + UrlFetchApp.fetch(url, {muteHttpExceptions: true}).getContentText().replace(/(\r\n|\n|\r|\t|  )/gm,"").match(/(?<=\<table).*(?=\<\/table)/g) + '</table>';
  var trs = [...html.matchAll(/<tr[\s\S\w]+?<\/tr>/g)];
  var data = [];
  for (var i=0;i<trs.length;i++){
    var tds = [...trs[i][0].matchAll(/<(td|th)[\s\S\w]+?<\/(td|th)>/g)];
    var prov = [];
    for (var j=0;j<tds.length;j++){
      donnee=tds[j][0].match(/(?<=\>).*(?=\<\/)/g)[0];
      prov.push(stripTags(donnee));
    }
    data.push(prov);
  }
  return(data);
}
function stripTags(body) {
  var regex = /(<([^>]+)>)/ig;
  return body.replace(regex,"");
}

使用 App-Script 从网站 HTML table 获取数据并传输到 Google 表格

Grab data from website HTML table and transfer to Google Sheets using App-Script

javascript

html

google-apps-script

google-sheets

html-parsing

公式求解

脚本的其他解决方案