另一个 IMPORTXML 返回空内容

Question

当我输入时

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

在我的谷歌表格中，我得到：#N/A Imported content is empty。

但是，当我输入时：

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

我得到了一些内容，所以我可以假设对页面的访问没有被阻止。

毫无疑问，该页面包含多个h2标签。

那么问题是什么？

Answer 1

• 您想知道以下情况的原因。
  • =IMPORTXML("http://www.ilgiornale.it/autore/franco-battaglia.html","//h2") 返回#N/A Imported content is empty。
  • =IMPORTXML("http://www.ilgiornale.it/autore/franco-battaglia.html","*") 返回内容。

如果我的理解是正确的，那么这个答案呢？

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。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，脚本标签不会像\x3C/script> 那样关闭。似乎当 IMPORTXML 检索到这一行时，脚本选项卡没有关闭。我可以确认，当\x3C 转换为< 时，=IMPORTXML("http://www.ilgiornale.it/autore/franco-battaglia.html","//h2") 正确返回了h2 标签的值。

由此看来，=IMPORTXML("http://www.ilgiornale.it/autore/franco-battaglia.html","//h2") 返回#N/A Imported content is empty 的问题出现了。

关于=IMPORTXML("http://www.ilgiornale.it/autore/franco-battaglia.html","*")返回内容的原因，我放这个公式的时候，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","*") 返回的值包括脚本标签的值。

解决方法：

为了避免上述问题，需要将\x3C修改为<。那么下面的解决方法呢？在这些变通方法中，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。

模式一：

在这个模式中，首先从 URL 下载 HTML 数据，并修改错误点。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)
}

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

模式2：

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

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 的值会直接放入活动电子表格中。

参考资料：

• Class UrlFetchApp
• Class XmlService

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。