使用带有 XPath 的 Google Sheets ImportXML 导入亚马逊产品标题答案

【问题标题】：Use Google Sheets ImportXML with XPath to import Amazon product title使用带有 XPath 的 Google Sheets ImportXML 导入亚马逊产品标题
【发布时间】：2016-11-29 20:01:45
【问题描述】：

我想从 Google 表格中的亚马逊产品页面获取产品标题。

我已经搜索并尝试了不同的方法并想出了这个

=ImportXML("https://www.amazon.com/dp/B01MSR8J29","//*[@id='productTitle']")

我想得到标题：军旗衬衫：成为兄弟军 T 恤

但我收到错误，导入的内容为空。

Demo Sheet

【问题讨论】：

标签： xpath import google-sheets

【解决方案1】：

大部分 HTML 不是有效的 XML，尤其是亚马逊的页面不是有效的 XML。所以，importXML 在他们身上失败了。

您可以通过custom function 使用应用程序脚本，如下所示（删除“amazon”之前的空格，这是为了防止 SO 重写 URL）：

=producttitle("https://www. amazon.com/dp/B01MSR8J29")

如果在脚本编辑器中输入自定义函数如下：

function productTitle(url) {   
  var content = UrlFetchApp.fetch(url).getContentText();
  var match = content.match(/<span id="productTitle".*>([^<]*)<\/span>/);
  return match && match [1] ? match[1] : 'Title not found';
}

这里，第一行获取页面的来源；然后正则表达式提取项目标题。

你会发现一个类似的帖子here，包括这个活动是否符合亚马逊服务条款的问题。

【讨论】：

【解决方案2】：

您可以只使用//title xpath 和一个简单的正则表达式替换来删除标准的Amazon.com: 部分：

=REGEXREPLACE(ImportXML("https://www.amazon.com/dp/B01MSR8J29","//title"),"Amazon.com: ","")

如果您还想删除面包屑的其余部分，例如: Clothing 只需修改它以使用 OR 符号，在正则表达式中为 |，如下所示：

=REGEXREPLACE(ImportXML("https://www.amazon.com/dp/B01MSR8J29","//title"),"Amazon.com: |: Clothing","")

【讨论】：

谢谢，效果很好，我还有第二个问题，我希望产品标题链接到 B 列中的 asin 并使其正常工作，但现在我需要在其中获取产品标题不知何故，我更新了演示表以显示我的意思。如果你有时间去看看就好了。
我在您的第二个问题中添加了两种可能性。它们位于样本下方的电子表格中。我添加了第三个，它在公式的所有可能位置使用 ASIN。我还尝试使用数组公式从单个公式生成这些，但 IMPORTXML() 函数不喜欢数组。
@Karl_S 我使用了最后一个，它似乎有效，但是对于某些 ASIN 代码，文本变为“机器人检查”而不是产品标题。你知道这是怎么回事吗？我在演示中添加了一个。
当我打开电子表格时，它有“机器人检查”，但在工作...消息清除后（所有公式都已更新），该项目更改为 Im Full of Holiday Spirit Vodka，它被称为T 恤所以可能是由于亚马逊检测到的一些电话或其他物品？