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）中以HTML格式存储格式化文本。我需要从此列中提取href=""属性中的所有网址，然后再使用它们。 （它可以是用B列中的昏迷或空格分隔的数组或文本字符串）

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

我知道使用正则表达式从HTML获取任何内容都不是正确的方法。是否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？

链接到示例数据：Google Spreadsheet

提前告诉你！我是真正的新手，也是脚本，解析等。

Answer 1

这个样品怎么样？我使用href=\"(.*?)\"来检索网址。 regex101.com的样本为here。

1。使用Google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仅检索第一个匹配的字符串，因此在单元格数据被SPLIT分隔后，网址将由REGEXEXTRACT检索。

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功能。使用此功能时，请将=myFunction(A1)放入单元格。

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。