在Google Sheets中从HTML文本中提取href属性

Question

我在我的Google电子表格中有大约3000行，每一行包含有关我们网站上一篇文章的数据。在一列（例如A: A）中存储了HTML格式化文本。我需要从此列中提取所有href = ""属性内的URL，并稍后使用它们（可以是数组或以逗号或空格分隔的文本字符串，位于B列中）。

我尝试使用REGEXTRACT公式，但它只给我第一个结果。然后我尝试使用REGEXREPLACE，但我无法编写正确的表达式来仅获取URL链接。

我知道这不是从HTML中获取任何内容的正确方法。是否有另一种方法可以从单个单元格中的HTML文本中提取这些值？

示例数据链接：Google电子表格 非常感谢！我真的很新，对脚本、解析等也不熟悉。

- Břeťa

---

https://regex101.com - TheMaster

谢谢，但是在Google电子表格中使用的正则表达式有些不同，而且并不是所有的都能正常工作。:( - Břeťa

Answer 1

这些示例怎么样？我使用了href=\"(.*?)\"来获取URL。regex101.com的示例在这里。

1. 使用Google电子表格函数：

=TEXTJOIN(CHAR(10),TRUE,ARRAYFORMULA(IFERROR(REGEXEXTRACT(SPLIT(a1,">"),"href="&CHAR(34)&"(.*?)"&CHAR(34)))))

在这种情况下，由于REGEXEXTRACT仅检索第一个匹配的字符串，因此在单元格数据通过SPLIT分离后，可以通过REGEXEXTRACT检索URL。

结果：

2. 使用Google Apps脚本：

function myFunction(str){
  var re  = /href=\"(.*?)\"/g;
  var result = "";
  while ((res=re.exec(str)) !== null) {
    result += res[1] + "\n";
  };
  return result.slice(0,-1);
}

这个脚本可以用作自定义函数。当您使用它时，请将=myFunction(A1)放到单元格中。

结果:

结果与上述方法相同。

如果我误解了您的问题，很抱歉。

- Tanaike

---

非常感谢！这很有帮助！我不知道我可以在REGEXMATCH内部使用SPLIT！ - Břeťa

@Břeťa 欢迎。谢谢你，我也很高兴能为你提供帮助。 - Tanaike

@Tanaike，我们有没有办法让函数在下一个单元格中显示每个新的切片，而不是全部显示在一个单元格中？例如，如果有10个链接，我希望它们在10个单元格中向下显示，而不是在1个单元格中。 - sojim2

@sojim2 虽然我不确定你的具体情况，但如果你想将检索到的URL拆分成行方向的单元格，那么 =TRANSPOSE(SPLIT(B1,CHAR(10))) 怎么样？在这种情况下，包括URL和上述公式在内的文本数据分别放置在单元格“A1”和“B1”中。如果这不是你想要的结果，我很抱歉。 - Tanaike

这正是我正在寻找而不知道存在的结果，谢谢。 - sojim2