从 Google 表格中的 HTML 文本中提取 href 属性

Question

我的 Google 电子表格中有大约 3000 行，每一行都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 格式的文本。我需要href=""从此列中提取属性内的所有 URL ，然后再使用它们。（它可以是数组或文本字符串，在 B 列中用逗号或空格分隔）

我尝试使用REGEXTRACT公式，但它只给了我第一个结果。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。

我知道使用正则表达式从 HTML 获取任何内容并不是正确的方法。还有另一种方法可以从一个单元格中的 HTML 文本中提取这些值吗？

示例数据链接：Google 电子表格

提前谢谢你！我是这里的新手，也是脚本、解析等方面的新手。

Answer 1

这个样品怎么样？我用于href=\"(.*?)\"检索 URL。regex101.com 的示例在这里。

1. 使用谷歌电子表格功能：

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

在这种情况下，由于REGEXEXTRACT只检索第一个匹配的字符串，因此在单元格数据被 分隔后SPLIT，URL 被 检索REGEXEXTRACT。

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);
}

此脚本可用作自定义函数。在使用这个的时候，请放入=myFunction(A1)单元格。

结果 ：

结果与上述方法相同。

如果我误解了你的问题，我很抱歉。