如何用Excel Power Query补全网页层级标签的缺失父标签？

核心思路 #

针对practice-area类型的层级标签，通过解析标签路径结构或预定义对照表，自动生成所有上级父标签，再与现有标签合并去重，确保子标签存在时父标签必存在。支持两种标签列格式：逗号分隔单列、多列拆分格式。

方法1：动态解析路径生成父标签（无需预定义对照表） #

步骤1：创建生成父标签的自定义函数 #

在Power Query编辑器中，点击主页 > 新建源 > 空白查询，重命名为GenerateAllLabelsWithParents，输入以下M代码：

(label as text) as list =>
let
    // 仅处理practice-area类型的标签
    IsPracticeArea = Text.Contains(label, "/practice-area/"),
    IfProcess = if IsPracticeArea then
        let
            // 拆分标签为前缀和路径部分
            SplitLabel = Text.Split(label, ":"),
            Prefix = SplitLabel{0} & ":",
            PathPart = SplitLabel{1},
            // 拆分路径为层级节点
            PathNodes = Text.Split(PathPart, "/"),
            // 生成所有层级的完整标签
            GenerateLevels = List.Generate(
                () => [Index = List.PositionOf(PathNodes, "practice-area") + 1, CurrentPath = Text.Combine(List.FirstN(PathNodes, Index), "/")],
                each [Index] <= List.Count(PathNodes),
                each [Index = [Index] + 1, CurrentPath = Text.Combine(List.FirstN(PathNodes, [Index]), "/")],
                each Prefix & [CurrentPath]
            )
        in
            GenerateLevels
    else
        {label} // 非practice-area标签直接返回自身
in
    IfProcess

该函数接收单个标签，返回包含自身及所有上级父标签的列表（仅处理含practice-area的标签）。

步骤2：处理逗号分隔的单列标签 #

假设标签列名为Tags，在数据查询中添加以下步骤：

1. 拆分标签为列表：

   SplitTags = Table.AddColumn(源, "TagList", each Text.Split([Tags], ","))
   

2. 生成所有标签（含父项）：

   ExpandAllLabels = Table.AddColumn(SplitTags, "AllTagsWithParents", each List.Distinct(List.Combine(List.Transform([TagList], GenerateAllLabelsWithParents))))
   

3. 合并为逗号分隔的字符串：

   CombineTags = Table.AddColumn(ExpandAllLabels, "FinalTags", each Text.Combine([AllTagsWithParents], ","))
   

4. 清理多余列：删除Tags、TagList、AllTagsWithParents列，保留FinalTags。

步骤3：处理多列拆分的标签（如Tag1至Tag10） #

假设标签列是Tag1到Tag10，添加以下步骤：

1. 合并多列为标签列表：

   CombineTagColumns = Table.AddColumn(源, "TagList", each List.RemoveNulls({[Tag1], [Tag2], [Tag3], [Tag4], [Tag5], [Tag6], [Tag7], [Tag8], [Tag9], [Tag10]}))
   

2. 生成所有标签（含父项）：同步骤2的ExpandAllLabels代码。
3. 格式转换：
   • 合并为逗号分隔单列：同步骤2的CombineTags代码。
   • 拆分回多列（空值补位）：

     SplitBackToColumns = Table.SplitColumn(CombineTags, "AllTagsWithParents", Splitter.SplitByNothing(), {"FinalTag1", "FinalTag2", "FinalTag3", "FinalTag4", "FinalTag5", "FinalTag6", "FinalTag7", "FinalTag8", "FinalTag9", "FinalTag10"})
     

方法2：基于预定义标签-父标签对照表补全 #

如果已有包含所有标签及对应父标签的对照表（列名：Tag、ParentTags，ParentTags为逗号分隔的父标签列表），可使用精准补全方式：

步骤1：加载对照表并转换为字典 #

假设对照表名为TagHierarchy，添加步骤：

TagDict = Table.ToDictionary(TagHierarchy, each [Tag], each Text.Split([ParentTags], ","))

步骤2：创建补全函数 #

新建查询CompleteTagsFromDict：

(tags as list) as list =>
let
    // 递归获取所有父标签
    GetAllParents = (tag as text) as list =>
        let
            Parents = if Dictionary.ContainsKey(TagDict, tag) then TagDict{tag} else {},
            RecursiveParents = List.Combine(List.Transform(Parents, GetAllParents))
        in
            List.Distinct(List.Combine({tag}, Parents, RecursiveParents)),
    // 处理所有输入标签
    AllTags = List.Distinct(List.Combine(List.Transform(tags, GetAllParents)))
in
    AllTags

步骤3：应用到数据 #

后续步骤同方法1，只需将GenerateAllLabelsWithParents替换为CompleteTagsFromDict即可。

验证示例 #

输入标签：content_directories:business_law/practice-area/business-litigation-and-dispute-resolution/business-litigation/class-actions
处理后生成的标签列表：

content_directories:business_law/practice-area/business-litigation-and-dispute-resolution
content_directories:business_law/practice-area/business-litigation-and-dispute-resolution/business-litigation
content_directories:business_law/practice-area/business-litigation-and-dispute-resolution/business-litigation/class-actions

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