如何用Apps Script自动从HTML文件提取数据至Google Sheets？

完整代码实现 #

直接复制以下代码到Google Sheets的脚本编辑器（工具→脚本编辑器），替换对应参数即可使用：

function syncHtmlToSheets() {
  // 替换成你的目标Drive文件夹ID和Sheet名称
  const FOLDER_ID = "你的Drive文件夹ID";
  const SHEET_NAME = "数据跟踪表";
  
  // 获取目标文件夹和目标Sheet
  const folder = DriveApp.getFolderById(FOLDER_ID);
  const sheet = SpreadsheetApp.getActiveSpreadsheet().getSheetByName(SHEET_NAME);
  
  // 遍历文件夹内所有HTML文件
  const files = folder.getFilesByType(MimeType.HTML);
  while (files.hasNext()) {
    const file = files.next();
    // 跳过已经处理过的文件（通过"已处理"标签判断）
    if (file.getLabels().includes("已处理")) continue;
    
    // 读取HTML文件内容
    const htmlContent = file.getBlob().getDataAsString();
    
    // 解析HTML中的表格（默认取页面第一个表格，可按需调整）
    try {
      const doc = XmlService.parse(htmlContent);
      const root = doc.getRootElement();
      const tables = root.getDescendants(XmlService.getNamespace(null), "table");
      
      if (tables.length === 0) {
        file.addLabel("已处理"); // 标记无表格的文件，避免重复扫描
        continue;
      }
      
      // 提取表格的行和单元格数据
      const tableData = [];
      const rows = tables[0].getChildren("tr");
      rows.forEach(row => {
        const rowData = [];
        // 同时提取表头(<th>)和单元格(<td>)内容
        const cells = row.getChildren("td").concat(row.getChildren("th"));
        cells.forEach(cell => {
          rowData.push(cell.getText().trim()); // 去除多余空格
        });
        tableData.push(rowData);
      });
      
      // 将数据追加到Sheet的末尾
      if (tableData.length > 0) {
        const lastRow = sheet.getLastRow();
        sheet.getRange(lastRow + 1, 1, tableData.length, tableData[0].length).setValues(tableData);
      }
    } catch (e) {
      // 如果HTML解析出错，标记为"处理失败"，方便排查
      file.addLabel("处理失败");
      console.log(`处理文件${file.getName()}出错: ${e.message}`);
      continue;
    }
    
    // 标记文件为已处理，避免重复同步
    file.addLabel("已处理");
  }
}

配置步骤 #

• 获取Drive文件夹ID：打开目标Drive文件夹，地址栏中folders/后面的字符串就是ID，复制替换代码里的FOLDER_ID。
• 设置Sheet名称：把代码里的SHEET_NAME改成你的数据跟踪表的实际名称。
• 首次授权测试：在脚本编辑器中点击运行按钮，第一次会弹出授权请求，按照提示完成权限验证（需要允许脚本访问Drive和Sheets）。
• 设置自动触发：点击编辑器左侧的时钟图标（触发器），添加新触发器：
  • 选择函数：syncHtmlToSheets
  • 事件源：选「时间驱动」（比如每天固定时间运行一次），或者选「从Drive触发」（当文件夹有新文件添加时自动运行，需在高级设置里配置）。

关键调整说明 #

• 多表格筛选：如果你的HTML里有多个表格，不想取第一个，可以通过表格的class或ID筛选。比如把tables[0]改成：

  const targetTable = tables.find(table => table.getAttribute("class") === "jira-table");
  

• 编码兼容：如果HTML出现乱码，把getDataAsString()改成getDataAsString("UTF-8")或对应编码。
• 重新处理文件：如果需要重新处理某个文件，只需在Drive中移除该文件的「已处理」标签即可。

内容的提问来源于stack exchange，提问作者David Oliphant