求助：如何在Google Sheets中自动提取指定企业官网URL

要实现这个自动化操作，最直接的方案是用Google Apps Script编写自定义函数，自动抓取B列目标页面的内容，从中提取企业官网URL并填入C列。以下是具体实现步骤和代码：

步骤1：打开脚本编辑器 #

打开你的Google表格，点击顶部菜单栏的「扩展程序」→「Apps 脚本」，进入脚本编辑器界面。

步骤2：粘贴自定义函数代码 #

清空编辑器里的默认代码，粘贴以下脚本：

function EXTRACT_WEBSITE(targetUrl) {
  // 处理空值或无效URL
  if (!targetUrl || typeof targetUrl !== 'string') return '';
  
  try {
    // 设置请求头，模拟浏览器访问（降低被反爬拦截的概率）
    const options = {
      headers: {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36'
      }
    };
    
    // 抓取目标网页内容
    const response = UrlFetchApp.fetch(targetUrl, options);
    const htmlContent = response.getContentText();
    
    // 正则匹配常见的企业官网格式（可根据实际情况调整正则表达式）
    const urlRegex = /(https?:\/\/(?:www\.)?[a-zA-Z0-9-]+\.[a-zA-Z]{2,}(?:\/[^\s"]*)?)/gi;
    const matches = htmlContent.match(urlRegex);
    
    if (!matches) return '';
    
    // 筛选最可能是企业官网的链接（优先排除第三方平台链接）
    const filteredUrls = matches.filter(url => {
      // 示例：排除常见招聘、黄页平台链接，可按需修改
      const excludedDomains = ['linkedin.com', 'indeed.com', 'glassdoor.com', 'yelp.com'];
      return !excludedDomains.some(domain => url.includes(domain));
    });
    
    // 返回第一个符合条件的URL（多结果时可调整筛选逻辑）
    return filteredUrls.length > 0 ? filteredUrls[0] : '';
    
  } catch (error) {
    // 捕获请求失败情况，返回提示
    return `请求失败: ${error.message}`;
  }
}

步骤3：授权并使用函数 #

1. 点击脚本编辑器顶部的「保存」按钮，给脚本命名（比如「ExtractWebsite」）。
2. 首次运行会弹出权限请求，按提示完成授权（需允许脚本访问表格和网络资源）。
3. 返回表格，在C2单元格输入公式：=EXTRACT_WEBSITE(B2)，回车即可自动提取B2页面的官网URL。
4. 选中C2单元格，下拉填充到其他行，批量处理所有数据。

注意事项 #

• 反爬限制：部分网站会拦截Google服务器的请求，导致抓取失败。可尝试修改User-Agent请求头，或手动处理特殊行。
• 正则调整：脚本中的正则是通用匹配，若需更精准提取（比如匹配含企业名称的域名），可修改urlRegex或筛选逻辑。
• 配额限制：Google Apps Script每日网络请求有配额（约1000次），数据量大建议分批次处理。

内容的提问来源于stack exchange，提问作者Learner