IMPORTHTML提取中文網頁資料之亂碼解決方式(部分情形可解決)

近來都把試算表的使用重心放在Spredsheet上(暫時對EXCEL失去興趣了XD)，為了解決提取網頁資料亂碼問題，爬了許多文才找到下列這個自定函數的運用，此方式並無法完全解決所有網頁的問題

以Spredsheet IMPORTHTML()函數提取中文網頁資料，常會看到一堆亂碼，經比對網頁編碼方式，幾乎確定Spredsheet是預設將資料以"西歐語系"來呈現(網頁設計觀念我不是很懂，似乎是網頁以JvaScript或Ajax獲取資料的編碼設定有關)。

解決方式：請開啟  工具/指令碼編輯器  ，自創新的函數(要記得先編譯過，開放授權後續才能使用自定函數)，以下是我用的二個方式，針對不同情況測試

function encode_utf8( s ){

  return Utilities.newBlob("").setDataFromString(s, "ISO-8859-1").getDataAsString("UTF-8") ;

}

function encode_big5( s ){

  return Utilities.newBlob("").setDataFromString(s, "ISO-8859-1").getDataAsString("big5") ;

}

測試一、假如網站資料呈現是繁體中文(BIG5)，此方式轉換100%成功，例如台工銀網站證券
(渣打銀行匯率資料也是以繁體中文編碼，但無須任何轉換及可正常顯示，所以問題與網頁編碼形式似乎無多大關聯)

將要轉換的儲存格套上公式即可  =encode_big5( 儲存格 )

底下是轉換的範例

測試二、假如網站資料呈現是UTF-8(轉換方式如上所述方法，改用encode_utf8( )函數)，例如公開資訊觀測站資料，很不幸的，轉換後仍然還是有部分亂碼

將IMPORTHTML取得的資料與網頁資料核對(網頁以ISO-8859-1編碼)，發現部分內容不一致，才導致轉換無法完全成功，殘念....。

也想過是否誤判提取的資料預設編碼為ISO-8859-1，但更換數種編碼結果仍是失敗，所幸轉換過的內容大致可辨讀。

Spreadsheet提取公開資訊觀測站現金流量表資料

公開資訊觀測站現金流量表並不是正規的TABLE表格，即使使用EXCEL WEB查詢，資料仍會無法正確顯示。
原先想利用IMPORTXML()去提取裡面有用的資訊，不知為何，嘗試多次均失敗，可是部分網站又可以(例如http://www.marketwatch.com/)，有傳聞GOOGLE試算表改為新版後就發生這個問題了。不管如何，山不轉路轉，我使用另外一個方式來提取資料

首先，要善用瀏覽器的插件來分析網頁(小弟我是用 firefox 的 httpfox)，找到所需文件正確位置，本例是提取股票代號6184大豐電100年第四季的現金流量表資料，正確位置是
http://mops.twse.com.tw/mops/web/ajax_t05st36?firstin=1&off=1&keyword4=&code1=&TYPEK2=&checkbtn=&queryName=co_id&TYPEK=all&isnew=false&co_id=6184&year=100&season=04

單純使用IMPORTXML()抓到的資料長相如下

(資料亂碼應是編碼問題，小弟仍無法解決)

看似很整齊的資料單純利用SPLIT卻被分割的七零八亂，原因是換行及空白代號的問題，這個資料如果貼到WORD裡頭去觀看(要到選項設定裡打開顯示字元符號及空白)，會看到換行符號為向下的箭頭

這個換行符號的代碼是CHAR(10)，裡頭看不見的空格代碼是CHAR(32)

完整語法請參考

=transpose(split(IMPORTHTML("http://mops.twse.com.tw/mops/web/ajax_t05st36?firstin=1&off=1&keyword4=&code1=&TYPEK2=&checkbtn=&queryName=co_id&TYPEK=all&isnew=false&co_id=6184&year=100&season=04","table",5),char(10)))

因為我只是要提取部分資訊，所以我使用QUERY()來查詢資料(中文字雖然是亂碼，但是有對應，所以可以當搜尋KEY。注意，這種亂碼使用Vlookup是無法正確搜尋的)

以本例來說，我要查詢的是"營業活動之淨現金流入(流出)"的數據，所以搜尋KEY對應的亂碼就是 營業活動之淨現金流入(流出)

=QUERY(B1:B300,"select * where B like '%營業活動之淨現金流入(流出)%'")

取出的資料仍然放在同一格，再利用SPLIT分離一次

如果只要100年度的數值，可配合使用 index()

=index(split(QUERY(B1:B300,"select * where B like '%營業活動之淨現金流入(流出)%'"),char(32)),1,2)

99年度數值==index(split(QUERY(B1:B300,"select * where B like '%營業活動之淨現金流入(流出)%'"),char(32)),1,3)