GoogleAppsScript：如何在解析HTML後修剪字符串？

Question

我想要做的是解析&從最終將保存到電子表格中的網頁中提取電影標題，但不包含所有HTML gunk。我的代碼：

function myFunction() { 
    var url = UrlFetchApp.fetch("http://boxofficemojo.com/movies/?id=clashofthetitans2.htm") 
    var doc = url.getContentText() 
    var patt1 = doc.match(/<font face\=\"Verdana\"\ssize\=\"6\"><b>.*?<\/b>/i); 

     //var cleaned = patt1.replace(/^<font face\=\"Verdana\" size\=\"6\"><b>/,""); 
     //Logger.log(cleaned); Didn't work, get "cannot find function in object" error. 
     //so tried making a function below: 

    String.trim = function() { 
    return this.replace(/^\W<font face\=\"Verdana\"\ssize\=\"6\"><b>/,""); } 
    Logger.log(patt1.trim()); 
} 

我很新的這一切（編程和GoogleScripting一般），我一直在引用上有w3school.com的JavaScript部分，但很多事情就是不與谷歌腳本的工作。我只是不確定這裏缺少什麼，是我的RegEx錯誤嗎？有沒有更好/更快的方式來提取這些數據而不是RegEx？任何幫助將是偉大的，謝謝你的閱讀！

Answer 1

嘗試從HTML中解析出信息不受您的控制時總是有點挑戰，有一種方法可以讓您更輕鬆地完成自己的工作。

我注意到，每部電影頁面的標題元素也包含電影標題，就像這樣：

<title>Wrath of the Titans (2012) - Box Office Mojo</title> 

你可能有更多的成功解析標題出來這一點，因爲它可能是更穩定。

var url = UrlFetchApp.fetch("http://boxofficemojo.com/movies/?id=clashofthetitans2.htm"); 
var doc = url.getContentText(); 
var match = content.match(/<title>(.+) \([0-9]{4}\) -/); 
Logger.log("Movie title is " + match[1]);