用于Gsheet中ImportXML的XPath

我试图在Google电子表格中使用ImportXML并得到NA结果。错误信息：用于Gsheet中ImportXML的XPath

导入XML内容不能被解析
网址：http://www.tripadvisor.com/Hotel_Review-g293916-d309884-Reviews-Indra_Regent_Hotel-Bangkok.html

这是我有：

importxml(url, "//img[@class='sprite-rating_rr_fill rating_rr_fill rr35']/@content")

这就是我想要抓住什么： the content attribute value of img

我期待您的建议。我不确定我做错了什么。

来源

2016-03-01 Denny Wijaya

听起来像你正尝试在格式不正确的html上使用xml解析器。也许谷歌电子表格有一个'importhtml'函数可以用来代替？ –

@KeithHall，谢谢你的回复。不幸的是，importhtml函数只支持表和列表标记。 –

这不是你的xpath是错的，而是源不是一个正确的xml文档（img标签没有关闭）。

事实上，如果你尝试运行：

=IMPORTXML(url, "//div[@class='rs rating']")

它解析为：

1,087 Reviews.

但它的任何后代将抛出一个错误。你可以尝试首先通过'消毒剂'传递html源代码，然后它应该可以工作。

来源

2016-03-01 23:53:09 Daniele

感谢您的回应，但我想采取评级。（3.5）。对不起，我可能知道清理html源代码很热吗？ –

html消毒不是一项小任务。您将无法直接从tripadvisor使用html，但您需要在本地保存html，在其上调用清理程序，然后调用Google表格中的导入功能，或者您需要设置代理服务那会为你消毒。无论哪种情况都不是一件微不足道的事情。看看http://jsoup.org/和https://www.npmjs.com/package/sanitize-html。作为最后的手段，你可以申请一些正则表达式来修复img标签到html之前使用importxml – Daniele

我仔细看过你正在解析的源代码页，我看到有很多非封闭标签等。没有尝试抓取格式不正确的页面，您是否考虑使用Tripadvisor API？（https://developer-tripadvisor.com/content-api/） – Daniele

回答

相关问题