如何使用Power Query从HTML提取类名？GlassDoor数据爬取问题

核心思路 #

要实现维度与星级的精准对应，需先绑定维度名称和对应星级的父元素，再从父元素中分别提取维度文本和星级class，最后映射为具体星级评分。

具体操作步骤 #

1. 定位维度-星级父元素
   在Power Query网页数据提取环节，选择包裹维度名称和星级图标的共同父节点（如某层级div）作为提取对象，确保维度与星级的对应关系不会错位。

2. 提取维度文本与星级class
   对每个父元素，通过Power Query的元素属性和文本提取函数，分别获取维度名称和星级对应的class：

   // 示例：从父元素中提取维度和星级class
   starRecord = [
       Dimension = elem[Children]{0}[Text], // 提取维度名称（需根据实际HTML结构调整索引）
       StarClass = elem[Children]{1}[Attributes][class], // 提取星级元素的class属性
       Rating = if StarClass = "css-11w4osi" then 5 
                else if StarClass = "css-xxxxxx" then 4 // 替换为实际四星class
                else if StarClass = "css-yyyyyy" then 3 // 替换为实际三星class
                else if StarClass = "css-zzzzzz" then 2 // 替换为实际二星class
                else 1
   ]
   

3. 构建结构化表格
   通过List.Transform遍历所有父元素，生成维度-星级的记录列表，再将列表展开为表格，或转置为以维度为列、星级为值的结构化数据，即可清晰呈现每条评论各维度的具体评分。

注意事项 #

• GlassDoor的HTML结构和class名称可能随网站更新变化，需定期检查并调整提取逻辑中的索引和class映射关系。
• 若父元素的子节点顺序有变动，需同步修改[Children]{0}、[Children]{1}这类索引值。

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