PowerShell：将 HTML 表提取为 CSV

我正在尝试将 HTML 表提取到 CSV 文件。我对 PowerShell 了解不多，但在网上我找到了一些示例，但我总是收到相同的错误消息：

您不能对空值表达式调用方法。行数：8 字符：1

• $table = $oHTML.ParsedHtml.body.getElementsByTagName('table')[0]
• 类别信息：无效操作：(:) []，运行时异常
• FullQualifiedErrorId：InvokeMethodOnNull

这就是我目前所拥有的，但我有点卡住了。

$url = "https://winreleaseinfoprod.blob.core.windows.net/winreleaseinfoprod/en-US.html"
$webClient = New-Object System.Net.Webclient
$webClient.DownloadString($url) | Out-File -FilePath C:\Users\USER\Downloads\DUMP\dump.html

$oHTML = Get-Content C:\Users\USER\Downloads\DUMP\dump.html -Raw

#Just grabbing first table for my testing
$table = $oHTML.ParsedHtml.body.getElementsByTagName('Table')[0]

$Headers = ($table.Rows[0].Cells | Select -ExpandProperty innerText).trim()
$psCollection=@()

$dataRows = $table.Rows | Select -Skip 1
foreach ($tablerow in $dataRows) {
    $cells = ($tablerow.Cells | Select -ExpandProperty innerText).trim()
    $obj = New-Object -TypeName PSObject
    $count = 0;
    foreach ($cell in $cells) {
        if ($count -lt $Headers.length) {
            $obj | Add-Member -MemberType NoteProperty -Name $Headers[$count++] -Value $cell
        }
    }
    $psCollection+=$obj
}

$psCollection | Select 'MyField' -Unique

在 PowerShell 库中您会发现Read-HtmlTablecmdlet 基于IHTMLDocument2接口:

安装

Install-Script -Name Read-HtmlTable

Usage:

$uri = "https://winreleaseinfoprod.blob.core.windows.net/winreleaseinfoprod/en-US.html"

Read-HtmlTable $Uri -Table 0 |Format-Table # or: |Export-Csv .\output.csv

Results:

Version Servicing option               Availability date OS build   Latest revision date End of service: Home, Pro, Pro Education, Pro for Workstations and IoT Core End of service: Enterprise, Education and IoT Enterprise
------- ----------------               ----------------- --------   -------------------- --------------------------------------------------------------------------- --------------------------------------------------------
20H2    Semi-Annual Channel            2020-10-20        19042.928  2021-04-13           2022-05-10                                                                  2023-05-09
2004    Semi-Annual Channel            2020-05-27        19041.928  2021-04-13           2021-12-14                                                                  2021-12-14
1909    Semi-Annual Channel            2019-11-12        18363.1500 2021-04-13           2021-05-11                                                                  2022-05-10
1809    Semi-Annual Channel            2019-03-28        17763.1879 2021-04-13           End of service                                                              2021-05-11
1809    Semi-Annual Channel (Targeted) 2018-11-13        17763.1879 2021-04-13           End of service                                                              2021-05-11
1803    Semi-Annual Channel            2018-07-10        17134.2145 2021-04-13           End of service                                                              2021-05-11
1803    Semi-Annual Channel (Targeted) 2018-04-30        17134.2145 2021-04-13           End of service                                                              2021-05-11

参数

-InputObject <string>
包含 html 表的 html 内容（字符串）。

如果字符串少于 2048 个字符并且包含有效的 uri 协议，则下载内容 从相关位置。

-uri <Uri>
引用包含 html 表的 html 内容的 uri 位置

-Header <string[]>
为导入的字符串指定备用列标题行。列标题决定属性 创建的对象的名称ConvertFrom-Csv.

输入以逗号分隔的列表形式的列标题。不要将标题字符串括在引号中。 将每个列标题用单引号引起来。

如果输入的列标题少于数据列，则剩余的数据列将被丢弃。 如果您输入的列标题多于数据列，则会创建附加列标题 具有空数据列。

A $Null而不是列名称，将跨越相应的列与前一列。

注意：要选择特定列或跳过任何数据（或标题）行，请使用Select-Object cmdlet

-TableIndex <int[]>
指定应从 html 内容中选择哪些表（其中 0 指第一个表）。 默认情况下，所有表格均从内容中提取。

注意：如果有多个表格，则应统一标题，以便正确输出或显示每个表格。
(see: https://github.com/PowerShell/PowerShell/issues/13906)

-Separator <string>
指定用于连接跨多个列的标题的字符。
default:空格字符

-Delimiter <string>
指定用于连接跨多行的标题的字符。
default:操作系统使用的换行符

-NoTrim
默认情况下，所有标题和数据文本都会被修剪，要禁用修剪，请使用 -NoTrim 参数。