代码之家 › 专栏 › 技术社区 › Digital Farmer

从特定标题值和筛选特定行从表中刮取数据

cheerio web-scraping google-apps-script javascript

Digital Farmer · 技术社区 · 5 年前

文件 CherrioGS
https://github.com/tani/cheeriogs

其思想是只从具有名称的表中收集数据 Argentinos Jrs Away on International duty 在 info 不保存列。

阿根廷Jrs 出外执行国际任务 ,因为此表的位置不是固定的,而且值也是以行表示的。

在这个例子中,我希望得到的结果是:

Carlos Quintana      Mid August
Jonathan Sandoval    Early August

网站链接如下:
https://www.sportsgambler.com/injuries/football/argentina-superliga/

我将保留站点的当前图像,因为如果数据发生更改,我的示例的想法将被注册:

我尝试的代码是:

function PaginaDoJogo() {
    var sheet = SpreadsheetApp.getActive().getSheetByName('Dados Importados');
    var url = 'https://www.sportsgambler.com/injuries/football/argentina-superliga/';

    const contentText = UrlFetchApp.fetch(url).getContentText();
    const $ = Cheerio.load(contentText);

    $('div:contains("Argentinos Jrs") > div > div.inj-container:not(contains("Away on International duty")) > span.inj-player')
        .each((index, element) => {
            sheet.getRange(index + 2, 1).setValue($(element).text());
        });

    $('div:contains("Argentinos Jrs") > div > div.inj-container:not(contains("Away on International duty")) > span.inj-return.h-sm')
        .each((index, element) => {
            sheet.getRange(index + 2, 2).setValue($(element).text());
        });
}

0 回复 | 直到 5 年前

idfurw 5 年前

function PaginaDoJogo() {
  const sheet = SpreadsheetApp.getActive().getSheetByName('Dados Importados');
  const url = 'https://www.sportsgambler.com/injuries/football/argentina-superliga/';
  const response = UrlFetchApp.fetch(url);
  const content = response.getContentText();
  const match = content.match(/Argentinos Jrs[\s\S]+?<!--Livestream call to action-->/);
  const regExp = /<div[\s\S]+?<span class="inj-player">(.+?)<\/span>[\s\S]+?<span class="inj-info">(.+?)<\/span>[\s\S]+?<span class="inj-return h-sm">(.+?)<\/span>[\s\S]+?<\/div>/g;
  const values = [];
  while ((r = regExp.exec(match[0])) !== null) {
    // console.log(r[1], r[2], r[3]);
    if (r[1] !== 'Name' && r[2] !== 'Away on International duty') {
      values.push([r[1], r[3]]);
    }
  }
  sheet.getRange(2, 1, values.length, 2).setValues(values);
}

推荐文章

user7558372 · 使用Cheerio遍历html表

8 年前

fp007 · 谷歌地图,抓取地址

8 年前

Naji · Cheerio找不到IMG src

8 年前

Deepankar · Nodejs请求与Bluebird响应的并行请求

8 年前

user7151151 · 做与文件等效的工作。getElementsByClassName(),带有cheerio和用于web抓取的url

8 年前

Marco Canora · web抓取时内存泄漏

9 年前

Lucas A. · 使用节点。js实时在网页上发现比特币的价值

9 年前

David J. · 为什么我的readFileSync函数没有执行?[副本]

9 年前

hsel · 使用NodeJS和Cheerio减少冗余

9 年前

newang · 使用NodeJS和Cheerio进行Web抓取

9 年前