小勤：我這里有一堆的地址，能不能知道哪些是醫(yī)院，哪些不是？

大海：呵呵，你自己看著這些地址能看得出來嗎？

小勤：當(dāng)然不能啊，上面又沒寫著醫(yī)院兩個字。只能一個個百度……

大海：那我們就讓Excel自己去自動百度唄。

小勤：??！這也行！

大海：Power Query不是可以做爬蟲嗎？專治這種批量累人活兒。

Step-01：獲取地址數(shù)據(jù)到PQ

Step-02：添加自定義列，用百度搜索引擎對地址進(jìn)行搜索（返回第一頁，一般10-15條），這個函數(shù)非常簡單，就是用Web.Contents讀取網(wǎng)頁內(nèi)容。公式：Web.Contents("http://www./s?wd="&[地址])

Step-03：添加自定義列，將百度搜索返回結(jié)果中的內(nèi)容轉(zhuǎn)為一行行的文本，公式：Lines.FromBinary([百度])

Step-04：展開讀取的內(nèi)容

Step-05：篩選其中的結(jié)果文字（通過Web.Contents讀取的是整個網(wǎng)頁的html源代碼，通過觀察，發(fā)現(xiàn)返回結(jié)果的題綱文字部分均包含在<em>標(biāo)簽中——學(xué)會找規(guī)律很重要。）

Step-06：判斷搜索結(jié)果中是否包含有“醫(yī)院”字樣，公式：

if Text.Contains([讀取百度結(jié)果內(nèi)容到每一行],"醫(yī)院")

 then "醫(yī)院"

 else "非醫(yī)院"

Step-07：基于“地址”和“是否醫(yī)院”列刪除重復(fù)項(xiàng)

Step-08：結(jié)果上載（可按需要刪除不必要的列）

小勤：這太牛了！居然可以直接連到百度去批量搜索！

大海：對的。不過即使這樣，上面搜索出來的結(jié)果也要再人工校對一下，因?yàn)檫@種判斷條件比較簡單，比如其中的“北京東城區(qū)……”那個，有的地方就沒有醫(yī)院2個字。

小勤：啊，不過這已經(jīng)很好了——咦！我刷新的時候怎么出錯了？

大海：你沒上網(wǎng)吧！

小勤：暈！剛網(wǎng)斷了！對了，或者是不是可以換個思路，接受再寬泛一點(diǎn)兒條件——只要返回第一頁數(shù)據(jù)里有醫(yī)院2個字的，就都算作醫(yī)院就是了。

大海：那你可以嘗試再改進(jìn)一下，比如先分組合并一下各個地址的返回結(jié)果，然后再判斷一下，還記得那個合并同類項(xiàng)的文章嗎？

小勤：嗯，記得。先分組，然后修改代碼用Text.Combine函數(shù)合并內(nèi)容。

大海：對。另外，如果你確定這種方式得到的結(jié)果就已經(jīng)滿足要求的話，你可以將幾個步驟用到的函數(shù)結(jié)合到一起，這樣避免中間的數(shù)據(jù)展開等過程，速度應(yīng)該會快一些。我在案例數(shù)據(jù)文件里也寫了一個，你先試一下，有需要的話也可以去參考一下。

小勤：好！我試試。