Question

要点：如何为谷歌应用程序脚本编写regexp，它将填充html链接的所有锚点

我的任务：我有带有URL的GoogleSpreadsheet，其中指向我网站的链接（webmaster-＆gt;链接到我 - ＆gt; export）。我需要锚定爬虫（使用谷歌应用程序脚本）来查看whick链接是垃圾邮件。

实现（我能做什么）：

function doGetLinks(url, link, encoding) 
{
  var encoding = "windows-1251";
  Utilities.sleep(1000);

  var page = UrlFetchApp.fetch(url).getContentText(encoding); 
  var matched = page.match(/<a\s+(?:[^>]*?\s+)?href\s*=\s*(\"([^"]*\")|'[^']*'|([^'">\s]+)).*<\/a>/gim);

  var amt = "$0";
  if (matched != null)
  {

    for (var i in matched) 
    {
      var anchor = matched[i];        
      amt = anchor + " | ";     
   }        

  }

  return amt;
}

如何看待它：

写任何单元格公式= doGetLinks（“http://4uarticles.net/15295/insulating-oil-reconditioning/”，“articlesynergy.com”）

问题（我不能）：

如何编写regexp for仅返回锚点
如何强制它返回所有匹配的链接（现在只返回第一个，而是键 / g被使用）
如何在regexp中建立变量'link' - 它没有引用来做到这一点。但我只需要看到链接到我的网站

Answer 1

虽然您可能能够对某些场景进行硬编码，但您不会涵盖一般情况。如果你不相信我问这个人：RegEx match open tags except XHTML self-contained tags

Google Apps + HTML + Regex会获取所有链接锚点

1 个答案: