如何用Google Sheets公式或脚本匹配多语言网页文本？

一、改进版公式方案 #

针对原公式无法覆盖多语言变音符号（如德语Ä/Ö/Ü、葡萄牙语ã/õ）的问题，改用Sheets内置归一化函数处理文本，规避XPath 1.0的局限性：

=COUNTA(IFERROR(FILTER(
  SPLIT(TEXTJOIN(" ", TRUE, IMPORTXML(A2, "//text()")), " "),
  LOWER(NORMALIZE(REGEXREPLACE(SPLIT(TEXTJOIN(" ", TRUE, IMPORTXML(A2, "//text()")), " "), "[^\w\s]", ""))) = 
  LOWER(NORMALIZE(REGEXREPLACE(B2, "[^\w\s]", "")))
)))

公式说明： #

• IMPORTXML(A2, "//text()")：提取网页所有纯文本节点
• TEXTJOIN + SPLIT：将分散文本合并后按空格拆分为单个词汇
• NORMALIZE：将带变音符号的字符转换为基础字符（如Ä→A、ã→a）
• REGEXREPLACE：移除非单词/非空格的干扰字符
• LOWER：统一转为小写，实现大小写不敏感匹配
• FILTER + COUNTA：统计匹配的词汇数量

二、Google Apps Script 脚本方案（更稳定通用） #

若公式遇到字符长度限制或复杂语言场景，自定义脚本支持所有Unicode语言的归一化处理，可靠性更高：

步骤1：添加脚本 #

1. 打开Google Sheets，点击「扩展程序」→「Apps 脚本」
2. 删除默认代码，粘贴以下脚本：

function COUNT_MENTIONS(url, searchText) {
  if (!url || !searchText) return 0;
  
  // 发起网页请求
  let response;
  try {
    response = UrlFetchApp.fetch(url, {muteHttpExceptions: true});
  } catch(e) {
    return "无法访问网页";
  }
  
  if (response.getResponseCode() !== 200) return "网页请求失败";
  
  // 提取纯文本
  const html = response.getContentText();
  const plainText = html.replace(/<[^>]+>/g, '').replace(/\s+/g, ' ').trim();
  
  // 文本归一化：移除变音符号、转小写
  const normalizeText = (text) => {
    return text.normalize("NFD")
               .replace(/[\u0300-\u036f]/g, "")
               .toLowerCase()
               .trim();
  };
  
  const normalizedSearch = normalizeText(searchText);
  const normalizedContent = normalizeText(plainText);
  
  // 按单词边界匹配，避免部分匹配
  const matchRegex = new RegExp(`\\b${normalizedSearch}\\b`, "g");
  const matches = normalizedContent.match(matchRegex);
  
  return matches ? matches.length : 0;
}

3. 保存脚本（命名为MentionCounter即可），完成授权

步骤2：使用自定义函数 #

在单元格中输入：

=COUNT_MENTIONS(A2, B2)

• A2：存放目标网页URL的单元格
• B2：存放要查找的多语言文本的单元格

脚本优势： #

• 支持所有Unicode语言（拉丁、西里尔、德语、葡萄牙语等）的变音符号处理
• 按单词边界匹配，避免误统计（如不会把"cat"计入"category"的匹配）
• 处理大篇幅网页内容更稳定，无公式字符长度限制

内容的提问来源于stack exchange，提问作者Monte Cristo