基于长度条件在Google Sheets动态公式中自动递增XPath的p标签编号

问题说明 #

• 需求：自动匹配网页HTML中编号11-14的<p>标签，提取大学课程描述内容
• 现状：不同网页的目标<p>标签编号在11到14之间变动，示例提取公式：=CLEAN(TRIM(IMPORTXML(F2,"/html/body/div[3]/div/div/div[4]/div/p[11]/text()")))
• 预期逻辑：自动递增<p>标签编号，当返回内容长度LEN(<内容>)<30时继续检查下一个编号，直到找到符合长度要求的内容

当前尝试的代码 #

=TRIM(IMPORTXML(F2,"/html/body/div[3]/div/div/div[4]/div/p["&
LET(n,0,
LINEARSUM_,LAMBDA(self,n,IF(LEN(G23)>30,REDUCE(0,SEQUENCE(n),LAMBDA(para,x,para+x)),REDUCE(0,SEQUENCE(n+1),LAMBDA(para,x,para+x)))),
LINEARSUM_(LINEARSUM_,n))
&"]/text()"))

无法实现循环遍历编号的逻辑。

可行解决方案 #

使用递归LAMBDA函数遍历11-14的<p>标签编号，自动筛选符合长度要求的内容，公式如下：

=LET(
  url, F2,
  xpath_prefix, "/html/body/div[3]/div/div/div[4]/div/p[",
  find_valid_p, LAMBDA(current_num, result, IF(
    current_num > 14, result,
    LET(
      extracted_text, TRIM(IMPORTXML(url, xpath_prefix & current_num & "]/text()")),
      IF(LEN(extracted_text) > 30, extracted_text, find_valid_p(current_num + 1, result))
    )
  )),
  find_valid_p(11, "")
)

公式说明 #

1. 变量定义：
   • url：引用当前行F列的网页链接
   • xpath_prefix：固定的XPath前缀，仅保留<p>标签编号的占位位置
2. 递归逻辑：
   • 定义find_valid_p递归函数，从编号11开始检查：
     • 若编号超过14（设定的上限），返回空值（可根据需求修改默认返回内容）
     • 提取当前编号<p>标签的文本并清理格式
     • 若文本长度大于30，直接返回该内容；否则递归检查下一个编号
3. 启动检查：调用find_valid_p(11, "")开始遍历

注意事项 #

• 确保目标网页未限制IMPORTXML的访问权限（无反爬机制）
• 若11-14号<p>标签的内容均不符合长度要求，公式返回空值，可自行调整find_valid_p的默认返回值
• 公式支持下拉批量应用到整列，自动适配每行的网页链接

内容的提问来源于stack exchange，提问作者James Miller