PQ- 综合实战：用Excel批量获取百度搜索结果——这感觉真是“爽”！

小勤：我这里有一堆的地址，能不能知道哪些是医院，哪些不是？

大海：呵呵，你自己看着这些地址能看得出来吗？

小勤：当然不能啊，上面又没写着医院两个字。只能一个个百度……

大海：那我们就让Excel自己去自动百度呗。

小勤：啊！这也行！

大海：Power Query不是可以做爬虫吗？专治这种批量累人活儿。

Step-01：获取地址数据到PQ

Step-02：添加自定义列，用百度搜索引擎对地址进行搜索（返回第一页，一般10-15条），这个函数非常简单，就是用Web.Contents读取网页内容。公式：Web.Contents("http://www.baidu.com.cn/s?wd="&[地址])

Step-03：添加自定义列，将百度搜索返回结果中的内容转为一行行的文本，公式：Lines.FromBinary([百度])

Step-04：展开读取的内容

Step-05：筛选其中的结果文字（通过Web.Contents读取的是整个网页的html源代码，通过观察，发现返回结果的题纲文字部分均包含在<em>标签中——学会找规律很重要。

）

Step-06：判断搜索结果中是否包含有“医院”字样，公式：

if Text.Contains([读取百度结果内容到每一行],"医院")

 then "医院"

 else "非医院"

Step-07：基于“地址”和“是否医院”列删除重复项

Step-08：结果上载（可按需要删除不必要的列）

小勤：这太牛了！居然可以直接连到百度去批量搜索！

大海：对的。不过即使这样，上面搜索出来的结果也要再人工校对一下，因为这种判断条件比较简单，比如其中的“北京东城区……”那个，有的地方就没有医院2个字。

小勤：啊，不过这已经很好了——咦！我刷新的时候怎么出错了？

大海：你没上网吧！

小勤：晕！刚网断了！对了，或者是不是可以换个思路，接受再宽泛一点儿条件——只要返回第一页数据里有医院2个字的，就都算作医院就是了。

大海：那你可以尝试再改进一下，比如先分组合并一下各个地址的返回结果，然后再判断一下，还记得那个合并同类项的文章吗？

小勤：嗯，记得。先分组，然后修改代码用Text.Combine函数合并内容。

大海：对。另外，如果你确定这种方式得到的结果就已经满足要求的话，你可以将几个步骤用到的函数结合到一起，这样避免中间的数据展开等过程，速度应该会快一些。我在案例数据文件里也写了一个，你先试一下，有需要的话也可以去参考一下。

小勤：好！我试试。

---

---