Python网页抓取存CSV后Google Sheets MATCH函数失效的编码问题

看起来你的问题出在编码链的不一致以及可能存在的隐藏不可见字符，我们一步步拆解并解决：

第一步：修复Python端的CSV生成逻辑 #

你的原始Python代码手动拼接内容写入文件，容易出现编码和格式问题，建议改用标准的csv模块，并统一使用带BOM的UTF-8编码（让Google Sheets/Excel能正确识别）：

import requests
from bs4 import BeautifulSoup
import csv

# 替换成你的实际参数
url = "目标网页URL"
htmlClass = "目标元素类名"
outputFile = "menulist.csv"

# 1. 正确处理网页编码
page = requests.get(url)
# 优先用requests自动解码后的page.text，避免手动编码判断出错
soup = BeautifulSoup(page.text, "html.parser")

# 2. 清理文本，同时移除不可见字符
example = soup.find(class_=htmlClass).get_text()
# 拆分换行、过滤空行，替换不间断空格（常见的网页非打印空格）为普通空格
cleaned_lines = [
    line.strip().replace("\u00A0", " ") 
    for line in example.splitlines() 
    if line.strip()
]

# 假设outputList是二维列表，每个子列表对应一行CSV数据
outputList.append(cleaned_lines)

# 3. 用csv模块写入，确保格式正确且编码为UTF-8带BOM
with open(outputFile, "w", encoding="utf-8-sig", newline="") as f:
    writer = csv.writer(f, delimiter=";")
    writer.writerows(outputList)

关键改进点：

• 用utf-8-sig编码：添加BOM头，让Google Sheets无需猜测编码
• 使用csv模块：自动处理分隔符、换行符的转义，避免手动拼接的格式错误
• 提前替换\u00A0（网页常见的不间断空格）：这是MATCH函数失效的常见元凶之一，因为它看起来像普通空格，但实际是不同的字符

第二步：修正Google Apps Script的编码读取逻辑 #

既然Python已经生成了UTF-8带BOM的CSV，GAS就不需要再用ISO-8859-1读取了，改用UTF-8直接读取：

function importFromCSV() {
    var fileIterator = DriveApp.getFilesByName("menulist.csv");
    if (!fileIterator.hasNext()) {
        console.log("未找到目标CSV文件");
        return;
    }
    
    var file = fileIterator.next();
    // 用UTF-8读取，匹配Python写入的编码
    var csvFile = file.getBlob().getDataAsString("UTF-8");
    var csvData = Utilities.parseCsv(csvFile, ";");
    
    var ss = SpreadsheetApp.openById("你的表格ID");
    var sheet = ss.getSheetByName('import');
    if (!sheet) {
        console.log("未找到import工作表");
        return;
    }
    
    // 清空指定范围并写入数据
    sheet.getRange('A7:AZ60').clear({contentsOnly: true});
    if (csvData.length > 0) {
        sheet.getRange(7, 1, csvData.length, csvData[0].length).setValues(csvData);
    }
}

第三步：验证并清理剩余隐藏字符 #

如果做完前两步MATCH还是失效，大概率是文本中还有其他非打印字符。可以在Google Sheets中添加辅助列，用公式清理文本：

在G列（假设原文本在F列）输入：

=TRIM(CLEAN(F1))

下拉填充到所有行，然后用MATCH匹配辅助列：

=MATCH("*13 MARCH*", G1:G20, 0)

• CLEAN：移除所有非打印ASCII字符
• TRIM：移除首尾空格和中间的多余空格

为什么之前的方法会出错？ #

• 用codecs.open("utf-8")写入但出现特殊字符：因为网页原始编码可能不是UTF-8，直接强制写入会导致解码错误；而utf-8-sig的BOM头能帮助工具正确识别编码。
• 改用ISO-8859-1读取GAS：把UTF-8的字符转成了单字节编码，会导致部分字符被错误解析为不可见字符，进而让MATCH的通配符无法匹配。

内容的提问来源于stack exchange，提问作者bobish