另一个返回空内容的 IMPORTXML

Question

当我输入

=IMPORTXML("http://www.ilgiornale.it/autore/franco-battaglia.html","//h2")

在我的 google sheet 中，我得到：#N/A Imported content is empty。

然而，当我输入：

=IMPORTXML("http://www.ilgiornale.it/autore/franco-battaglia.html","*")

我得到了一些内容，因此我可以假定对该页面的访问未被阻止。

毫无疑问，该页面包含多个 h2 标签。

那么问题是什么？

Answer 1

您想了解以下情况的原因。
- =IMPORTXML("http://www.ilgiornale.it/autore/franco-battaglia.html","//h2") returns #N/A Imported content is empty.
- =IMPORTXML("http://www.ilgiornale.it/autore/franco-battaglia.html","*")returns内容。

如果我的理解是正确的，这个答案怎么样？

问题：

当我看到 http://www.ilgiornale.it/autore/franco-battaglia.html 的 HTML 数据时，我注意到它的错误点。具体如下。

window.jQuery || document.write("<script src='/sites/all/modules/jquery_update/replace/jquery/jquery.min.js'>\x3C/script>")

在这种情况下，脚本标签没有像\x3C/script>那样关闭。似乎当 IMPORTXML 检索到这一行时，脚本选项卡并未关闭。我可以确认当 \x3C 转换为 < 时，=IMPORTXML("http://www.ilgiornale.it/autore/franco-battaglia.html","//h2") 正确 returns h2 标签的值。

由此看来，=IMPORTXML("http://www.ilgiornale.it/autore/franco-battaglia.html","//h2") returns #N/A Imported content is empty 的问题似乎发生了。

关于=IMPORTXML("http://www.ilgiornale.it/autore/franco-battaglia.html","*") returns内容的原因，我在输入这个公式时，找不到脚本选项卡的值。从这种情况来看，我认为脚本标签可能有问题。所以我可以找到上面的错误点。我可以确认当 \x3C 转换为 < 时，=IMPORTXML("http://www.ilgiornale.it/autore/franco-battaglia.html","*") returns 值包括脚本标签的值。

解决方法：

为避免上述问题，需要将\x3C修改为<。那么以下解决方法如何？在这些解决方法中，我使用了 Google Apps 脚本。请将这些解决方法视为几种解决方法中的两种。

模式 1：

在这个模式中，首先从URL下载HTML数据，修改错误点。然后，将修改后的HTML数据创建为文件，并共享该文件。并检索文件的 URL。使用此 URL，检索值。

示例脚本：

function myFunction() {
  var url = "http://www.ilgiornale.it/autore/franco-battaglia.html";
  var data = UrlFetchApp.fetch(url).getContentText().replace(/\x3C/g, "<");
  var file = DriveApp.createFile("htmlData.html", data, MimeType.HTML);
  file.setSharing(DriveApp.Access.ANYONE_WITH_LINK, DriveApp.Permission.VIEW);
  var endpoint = "https://drive.google.com/uc?id=" + file.getId() + "&export=download";
  Logger.log(endpoint)
}

当您使用此脚本时，首先请运行 myFunction() 函数并检索端点。作为测试用例，请将端点放在单元格 "A1" 上。并将 =IMPORTXML(A1,"//h2") 放入单元格 "A2"。通过这个，可以检索值。

模式二：

在此模式中，通过解析 HTML 数据直接检索标签 h2 的值并将它们放入活动电子表格。

示例脚本：

function myFunction() {
  var url = "http://www.ilgiornale.it/autore/franco-battaglia.html";
  var data = UrlFetchApp.fetch(url).getContentText().match(/<h2[\s\S]+?<\/h2>/g);
  var xml = XmlService.parse("<temp>" + data.join("") + "</temp>");
  var h2Values = xml.getRootElement().getChildren("h2").map(function(e) {return [e.getValue()]});
  var sheet = SpreadsheetApp.getActiveSheet();
  sheet.getRange(sheet.getLastRow() + 1, 1, h2Values.length, 1).setValues(h2Values);

  Logger.log(h2Values)
}

当您运行脚本时，标签 h2 的值直接放入活动电子表格。

参考文献：

如果我误解了您的问题并且这不是您想要的方向，我深表歉意。

另一个返回空内容的 IMPORTXML

another IMPORTXML returning empty content

google-apps-script

google-sheets

google-sheets-importxml

问题：

解决方法：

模式 1：

模式二：

参考文献：