如何在Google Apps Script中用Cheerio将所有文本提取为数组

问题场景 #

• 需要将目标HTML指定区域内的所有文本提取为数组，每个独立文本内容对应数组的一个元素（如array[0] = "1.name"、array[1] = "2.id"）
• 部分元素的class包含空格、括号等特殊字符，直接用find()定位会报错
• 当前代码仅能获取拼接后的整段文本，无法实现拆分需求

解决方案 #

1. 处理含特殊字符的Class选择器 #

HTML元素class属性中的空格代表多个class，带括号、美元符号的特殊字符需要通过以下方式处理：

• 属性包含选择器：用[class*="目标class片段"]匹配包含指定片段的元素，例如$('h1[class*="C($c-link-text)"]')
• 转义特殊字符：对括号这类CSS选择器特殊字符，用反斜杠转义，在JS字符串中需写双反斜杠，例如$('h1.Fz\\(24px\\)')

2. 遍历文本节点生成数组 #

避免直接用.text()拼接所有内容，改为遍历目标容器下的所有文本节点，过滤空白后生成数组：

完整代码示例 #

function getTextToArray() {
  const URL = "https://tw.stock.yahoo.com/d/s/major_2330.html";
  const source = UrlFetchApp.fetch(URL);
  const html = source.getContentText();

  const $ = Cheerio.load(html, { decodeEntities: false });
  const textArray = [];

  // 遍历目标容器下所有非SVG元素的文本节点，过滤空白内容
  $('#main-0-QuoteHeader-Proxy').find('*:not(svg)').contents().each(function() {
    if (this.type === 'text') {
      const trimmedText = $(this).text().trim();
      if (trimmedText) {
        textArray.push(trimmedText);
      }
    }
  });

  Logger.log(textArray);
  return textArray;
}

代码说明 #

• 使用contents()获取节点的所有子内容（包括文本节点），筛选出类型为text的节点
• 用trim()去除文本前后的空白字符，过滤掉空字符串，避免数组中出现无效元素
• 添加:not(svg)排除SVG图标内的文本（如果不需要这类内容），可根据需求调整

精准提取特定元素文本示例 #

如果需要单独提取某个带特殊class的元素文本，比如标题：

// 使用属性包含选择器
const titleText = $('h1[class*="C($c-link-text)"]').text().trim();
// 或转义特殊字符的class选择器
const titleText = $('h1.Fz\\(24px\\)').text().trim();

内容的提问来源于stack exchange，提问作者Mike Wu