Excel催化剂自定义函数支持带命名空间xml文件元素提取

在过去网页采集功能开发过程中，已经推出一组针对网页元素的提取函数，将网页采集常见的json文件和html文件进行指定元素内容的提取。可满足绝大部分场景使用。 在html文件提取中，其实用的是xml提取技术，使用xpath语法去提取指定内容（也扩展了能够使用CSS的selector方式来提取）。但html毕竟仅仅是xml文件子集，对真正的xml文件的提取，仍然缺少对带命名空间的xml文件提取未能囊括。 本篇再次进行更新，将其补全，在大众数据领域，没有Excel催化剂不可及的地方，欢迎大家更多参与，有好的数据需求，多多提出。

带命名空间xml文件提取使用场景

xml是一种伟大的数据格式标准，虽然现在网页开发中，已大量使用json作为数据交互媒介，但xml比json更为强大，覆盖的领域比json更广，也因为曾经流行过，仍然有大量历史工具、程序使用其进行数据交互特别是配置文件的数据存储。

如果未能按xml结构化的提取方式，从其中提取自己需要的数据，而简单粗爆地使用文本字符串处理技术例如正则表达式提取，实属一大遗憾，毕竟现成的结构化不使用，而使用更麻烦的字符提取，得不偿失，工作量俱增且提取准确性得不到保障。

本次触发此功能的实际场景是，需要对Excel的颜色主题文件进行颜色代码的提取，源于EasyShu社群里有位群友发起的讨论，觉得EasyShu的自带的经济学人的主题颜色红色值有偏差，和经济学人不符（经确认其实没有真正的对错，毕竟经济学人的配色是大家自行总结的，非官方公布的。可能不同人采集的样本有些不一，两种红色均有使用过）

最后笔者建议用户自行去修改EasyShu的颜色主题文件，即本篇的主角带命名空间的xml文件。

文件格式如下：

我们观察到每个节点前都有个a：这样的标识，如<a:srgbClr val="B9D1DD"/>

此时要提取到颜色属性值，写xpath时，就需要带上命名空间a(此处的a是命名空间的昵称缩写)，如//a:srgbClr

有了PowerQuery后，还需要再开发xml提取功能吗？

社区里经常不时有人提问，有了PowerBI后，是否就可以不用学XXX之类的问题，诚然，PowerBI的PowerQuery组件确实强大，专业用于对数据进行ETL操作，但每个工具都有其适用的范围，有时也更是杀鸡不用牛刀，动不动把它拉出来，其实没必要，就如上述的提取颜色代码场景，非要用PowerQuery的读取xml文件功能，也是可行。

重点是：PowerQuery无论是xml还是json，都无法使用xpath或jsonPath这种语法去提取，只能自己一层层地展开，非常不灵活，就如处理字符串时没有正则表达式可用，只能用几个简单的字符函数一样难受。

下图中在PowerQuery上界面操作展开xml结构和对应的高级编辑器内容，非常繁琐，一个个节点去展开。

大好的消息是Excel催化剂大量的功能在PowerQuery之上更为好用易用，例如接下来介绍到的自定义函数提取带命名空间的xml文件。千万不要钻牛角尖以为Excel或官方的功能才值得学，而且苦苦地学下来，有大量场景其实性价比并不高。

Excel催化剂自定义函数解决方案

接上述所说到的，本次的提取带命名空间的xml文件自定义函数，放到过往的网页采集函数组中，形成功能连贯性，虽然不完全针对网页采集使用。

老规矩，强烈建议从搜索功能入手去找到对应的函数。下图中关于网页采集的函数非常全面丰富

当然在Excel的函数向导里也可以看到相关的函数。

一个函数，轻松获取到最终的元素内容一次性返回，甚至可以提取文件的内容，不仅限于Excel单元格内的字符内容。

如何获取自定义函数

Excel催化剂的自定义函数与插件主体分离，可以只使用自定义函数，不安装Excel催化剂插件，反之如果安装了Excel催化剂，也不能立即有自定义函数功能，需要在【手动更新自定义函数】处进行下载，有新版本发布时，也需要手动点击【更新自定义函数】进行替换更新。

自定义函数的下载地址仍然提供给大家，方便某些电脑不能安装Excel催化剂插件的人使用，只需下载到自定义函数，根据自己Excel的位数不同选择32位xll还是64位xll，双击即可打开，绿色免安装。

如果想每次打开Excel都自动加载，可以将文件丢到插件文件夹路径下（C:\Users\Administrator\AppData\Roaming\Microsoft\AddIns\ 不同用户名将Administrator替换为自己用户名即可）。

让Excel加载时检测到或手动在加载项清单上进行【浏览】选择操作，选择电脑上存放的xll文件，特别是电脑上安装了64位Excel和32位WPS时，文件不放到插件文件夹内，WPS不自动加载就不会报错。