Web scraping googlesheets中的IMPORTXML函数

使用

IMPORTXML

函数，是否可以构造一个XPATH查询来提取给定Wikipedia页面的行业值

例如，我想从这个页面中获取的值是“零售”，而在这个页面上，它是“时尚”。

试试：

=INDEX(IMPORTXML("https://en.wikipedia.org/wiki/Boohoo.com", 
 "//td[@class='category']"), 2, 1)

---

• 您希望创建xpath来检索给定Wikipedia页面的行业价值

如果我的理解是正确的，就像其他模式一样，那么使用这个xpath的公式呢？请把这看作是几个答案中的一个

=INDEX(IMPORTXML(A1,"//th[text()='Industry']/following-sibling::td"),1,1)

样本配方：

• xpath是

  //th[text（）='Industry']/以下同级：：td

• 在这种情况下，

  https://en.wikipedia.org/wiki/Target_Corporation

  或

  https://en.wikipedia.org/wiki/Boohoo.com

  放在单元格“A1”中

结果:

参考：

补充： 从您的回复中，我知道您希望再添加2个URL。因此，所有URL如下所示

• https://en.wikipedia.org/wiki/Target_Corporation

• `
• `
• `

问题和解决方法： 对于以上URL，当使用

=IMPORTXML（A1，“//th[text（）='Industry']/以下兄弟姐妹：：td”）

公式时，

Retail

、

Fashion

、

Retail

和

Travel，将返回服务

当xpath修改为
//th[text（）='Industry']/以下同级：：td/a
，
Retail
，
N/a
，
N/a
和
Travel
返回

这是由于以下差异造成的

<tr>
  <th scope="row">Industry</th>
  <td class="category"><a href="/wiki/Travel" title="Travel">Travel</a> services</td>
</tr>


xpath是
//th[text（）='Industry']/以下同级：：td
。这是没有修改的
在这种情况下，URL放在单元格“A1”中
检索两个值时，检索第一个值。由此，我使用了
索引

结果:
这非常有用。谢谢在某些情况下，它会导致奇怪的结果。对于这个页面，它返回一个“未找到url上的资源”错误，即使链接正常，HTML似乎与其他页面具有相同的结构。更大的问题是，对于由多个单词（例如-）描述的行业，公式将所有单词放在相邻单元格的第二个单词之后（而不是将所有单词连接到单个单元格中）。我想知道这些问题是否都能解决。@zgall1谢谢您的回复。我没有注意到您也希望将此公式用于其他URL。这是因为我的技术差。对此我深表歉意。我又为您提供的4个URL添加了一个公式。你能确认一下吗？不幸的是，我认为为了从4个URL中检索值，不能仅使用一个xpath直接检索这些值。所以我在这种情况下使用了一个内置函数。如果这不是你想要的方向，我很抱歉。我为迟来的回复道歉。这对我来说确实有用。@zgall1谢谢你的回复。我很高兴你的问题解决了。也谢谢你。
<tr>
  <th scope="row">Industry</th>
  <td class="category"><a href="/wiki/Travel" title="Travel">Travel</a> services</td>
</tr>

<tr>
  <th scope="row" style="padding-right:0.5em;">Industry</th>
  <td class="category" style="line-height:1.35em;"><a href="/wiki/Retail" title="Retail">Retail</a></td>
</tr>

<tr>
  <th scope="row" style="padding-right:0.5em;">Industry</th>
  <td class="category" style="line-height:1.35em;">Fashion</td>
</tr>

=INDEX(IMPORTXML(A1,"//th[text()='Industry']/following-sibling::td"),1,1)