使用正则表达式抓取Morningstar数据时仅提取数值的问题求助

看起来你遇到的问题是页面里有多个带line text类的<td>元素，你的正则不小心匹配到了错误的目标。咱们一步步拆解解决：

问题根源 #

• 最初的正则/<td class="line text">(.*?)<\/td>/会匹配页面中第一个符合该类的<td>，刚好返回了带EUR的完整字符串；
• 当你改成/<td class="line text">(\d.*?)<\/td>/时，匹配的是第一个以数字开头的同类型<td>——也就是页面里的百分比数值“1,09%”，而目标数值“EUR 20,66”是以字母开头的，自然不会被这个正则选中。

解决方案 #

我们可以用更精准的正则锁定目标元素，直接提取你需要的数字部分：

方法1：直接匹配包含EUR的目标<td> #

这个正则专门定位内容以EUR 开头的line text类<td>，并捕获后面的数字：

function import1() {
  var html, content = '';
  var response = UrlFetchApp.fetch("https://www.morningstar.nl/nl/funds/snapshot/snapshot.aspx?id=F00000QIPC");
  if (response) {
    html = response.getContentText();
    // 匹配包含EUR的目标td，捕获数字部分
    var targetMatch = html.match(/<td class="line text">EUR (\d+,\d+)<\/td>/);
    if (targetMatch) {
      content = targetMatch[1];
      Logger.log(content); // 输出：20,66
    }
  }
  return content;
}

这里的(\d+,\d+)专门匹配20,66这类格式：\d+匹配整数部分，,\d+匹配逗号加小数部分。

方法2：关联表头增强鲁棒性 #

如果未来页面结构调整，line text类的位置发生变化，我们可以通过表头“Laatste koers”（最新价格）来定位对应的数值，这样更可靠：

function import1() {
  var html, content = '';
  var response = UrlFetchApp.fetch("https://www.morningstar.nl/nl/funds/snapshot/snapshot.aspx?id=F00000QIPC");
  if (response) {
    html = response.getContentText();
    // 先匹配表头行，再找对应的数值td
    var targetMatch = html.match(/<th>Laatste koers<\/th>.*?<td class="line text">EUR (\d+,\d+)<\/td>/s);
    if (targetMatch) {
      content = targetMatch[1];
      Logger.log(content); // 输出：20,66
    }
  }
  return content;
}

这里的/s修饰符让正则中的.可以匹配换行符，适配HTML代码通常换行排版的情况。

额外提醒 #

正则匹配HTML虽然快捷，但如果页面结构发生较大变化可能失效。如果需要更稳定的方案，可以尝试使用XmlService解析HTML（注意先处理不规范的HTML标签），不过对于这类简单的提取场景，精准的正则已经足够。

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