如何用PowerShell解析Invoke-WebRequest获取的HTML表格数据

方法一：直接通过ParsedHtml定位表格元素 #

无需单独提取InnerHTML，直接利用ParsedHtml的DOM操作能力提取表头和数据：

# 定位目标表格（假设页面仅一个表格，多表格需调整索引值）
$targetTable = $GroupRequests.ParsedHtml.getElementsByTagName("table")[0]

# 提取表头文本
$tableHeaders = @()
foreach ($headerCell in $targetTable.getElementsByTagName("th")) {
    $tableHeaders += $headerCell.innerText.Trim()
}

# 遍历数据行并整理为结构化对象
$tableData = @()
foreach ($row in $targetTable.getElementsByTagName("tr")) {
    # 跳过表头行（表头用<th>标记时）
    if ($row.getElementsByTagName("th").Count -gt 0) { continue }

    $rowContent = [ordered]@{}
    $cells = $row.getElementsByTagName("td")
    for ($i=0; $i -lt $tableHeaders.Count; $i++) {
        if ($i -lt $cells.Count) {
            $rowContent[$tableHeaders[$i]] = $cells[$i].innerText.Trim()
        } else {
            $rowContent[$tableHeaders[$i]] = $null
        }
    }
    $tableData += [PSCustomObject]$rowContent
}

# 输出整理后的数据
$tableData

方法二：借助第三方模块简化操作 #

如果需要更简洁的处理流程，可安装PowerShellHtmlUtility模块实现快速转换：

# 首次使用需安装模块
Install-Module -Name PowerShellHtmlUtility -Scope CurrentUser -Force

# 直接将HTML内容转为结构化对象
$structuredData = $GroupRequests.Content | ConvertFrom-Html -TableIndex 0
$structuredData

关键注意点 #

• 若页面存在多个表格，修改[0]索引值定位目标表格
• 部分网站表头用<td>而非<th>，需调整表头提取逻辑（比如取第一行的<td>作为表头）
• 若单元格包含嵌套HTML（如链接、换行），可按需提取innerHTML或特定子元素内容

内容的提问来源于stack exchange，提问作者Joe