OpenRefine中网页标题的域名

Question

我在Excel中有一个域名列(如stackoverflow.com)，并想创建一个相应的列与域名的标题(如“堆栈溢出”)。

我将Excel文件上传到OpenRefine中。我认为最好的方法是调用“通过获取列上的URL来添加列”函数。但我不知道该用什么表达式。

Answer 1

我这样做的方法如下：

(1)在源列中有可访问的URL。即http://stackoverflow.com，而不仅仅是域名。

(2)应用“通过获取URL来添加列...”如你所说。(如果您一次又一次地访问同一域中的页面，请确保设置合理的延迟。)

(3)使用第一个新列，通过解析返回的newCol1创建第二个新列：

value.parseHtml().select("title").toString()

注意：(a)您需要toString()，否则在应用该函数后，您将在新列中看到空值。

(b)您不必创建第二个新列；您只需使用与上面相同的公式应用转换即可。

(c)我也尝试过使用拆分：

value.split("")1.split("")

目前我手头没有我的结果，但我相信这也是有效的。