求助：Google Sheets中用ImportXML提取隐藏categoryId的方法

问题背景 #

需要从URL对应的网页中提取嵌入在脚本里的"categoryId":"xxxxxx"中的纯数字ID，该ID并非URL的直接参数，而是藏在页面的复杂脚本结构中。

已尝试的失败方法及问题 #

• 直接复制XML路径的公式：

  =IFNA(regexextract(IMPORTXML(B3,"/html/body/script[1]/text())))","[0-9]+")))
  

  问题：公式括号不匹配，且直接提取所有数字会捕获页面中无关的数字内容。

• 指定标识的公式：

  =IFNA(regexextract(IMPORTXML(B2,"//script[contains(., 'categoryId')]/text()")))
  

  问题：REGEXEXTRACT缺少必要的正则表达式参数，无法精准定位categoryId的结构。

• 分步处理（在"Try 2"标签页）：

  1. 提取脚本内容：

     =IMPORTXML(B2, "/html/body/script[1]/text()")
     

  2. 提取ID：

     =REGEXEXTRACT(C2, """categoryId"":""(\d+)"""")
     

  问题：正则表达式的引号转义冗余，且若IMPORTXML返回多行内容，REGEXEXTRACT无法正确匹配目标内容。

可行解决方案 #

方案一：修正正则并合并为单公式 #

=IFNA(REGEXEXTRACT(TEXTJOIN("", TRUE, IMPORTXML(B2, "//script[contains(., 'categoryId')]/text()")), """categoryId"":""(\d+)"""))

• 逻辑：用TEXTJOIN将IMPORTXML返回的多行脚本内容合并为单文本，再通过精准正则匹配"categoryId":"数字"的结构，提取其中的数字组。

方案二：使用自定义IMPORTJSON函数（适用于标准JSON结构脚本） #

1. 打开Google Sheets的脚本编辑器（工具 > 脚本编辑器）
2. 粘贴IMPORTJSON的自定义开源代码（可通过Google搜索获取官方实现）
3. 在表格中使用公式：

   =IFNA(IMPORTJSON(B2, "categoryId"))
   

• 逻辑：若页面脚本为标准JSON格式，IMPORTJSON可直接解析脚本内容并提取指定字段。

方案三：自定义Apps Script抓取函数 #

1. 打开脚本编辑器，粘贴以下代码：

   function getCategoryId(url) {
     var response = UrlFetchApp.fetch(url);
     var content = response.getContentText();
     var match = content.match(/"categoryId":"(\d+)"/);
     return match ? match[1] : "";
   }
   

2. 在表格中调用函数：

   =getCategoryId(B2)
   

• 逻辑：直接通过UrlFetchApp抓取页面内容，再用正则精准匹配categoryId，不受IMPORTXML的内容限制，稳定性更高。

内容的提问来源于stack exchange，提问作者Guhlis