regex - 从网站 GoogleSheets 中提取导入数据的正则表达式

Question

目的是从网页中提取标题和标签。

我正在使用importdata，我希望将结果全部放在 1 行中。像这样：

[webpage] [title] [1st tag] [2nd tag] [3 rd tag] [4th tag] ... [last tag]

---

我在 googlesheet 的过程中卡住了一半

• 第一个选项卡Extracted - 我从大数据中提取了必要的行。

  =query({array_constrain(IMPORTDATA(A1),6375,10)},"WHERE (Col1 CONTAINS 'btn btn-secondary' AND Col1 CONTAINS 'href') or (Col1 CONTAINS 'meta property' AND Col1 CONTAINS 'og:title')")

• 第二个选项卡with REGEXEXTRACT- 提取了我需要的文本，但仅适用于第一行（仅提取tags，title仍然不存在，因为它分布在几列中......）

  =REGEXEXTRACT(query({array_constrain(IMPORTDATA(A1),6375,10)},"WHERE (Col1 CONTAINS 'btn btn-secondary' AND Col1 CONTAINS 'href')"),"\>(.+)\

我不知道如何走得更远:(感谢任何帮助！

Answer 1

=ARRAYFORMULA({REGEXREPLACE(TEXTJOIN(", ",1,
 QUERY(ARRAY_CONSTRAIN(SUBSTITUTE(IMPORTDATA(A2),"""",""),1000,15),
 "where Col1 contains '<meta property=og:title content='")),
 "<meta property=og:title content=| />",""),
 TRANSPOSE(REGEXEXTRACT(QUERY(TRANSPOSE(QUERY(TRANSPOSE(
 ARRAY_CONSTRAIN(SUBSTITUTE(IMPORTDATA(A2),"""",""),8000,3)),,50000)),
 "where Col1 contains '<a class=btn btn-secondary'"),"\>(.*)+\<"))})

演示电子表格