LibreOffice的FILTROXML函数为何始终返回#VALOR？

核心问题：HTML≠XML，FILTROXML无法解析非标准XML内容 #

LibreOffice的FILTROXML函数仅能处理格式严格的XML文档，但你请求的SciELO页面是HTML格式——HTML允许标签不闭合、属性值省略引号等不符合XML规范的写法，直接用SERVIÇOWEB获取后传入FILTROXML必然解析失败，返回#value!。

可行解决方案 #

1. 先将HTML转换为可解析的XML格式 #

LibreOffice本身没有内置HTML转XML的函数，你可以通过以下方式处理：

• 使用Python脚本（搭配BeautifulSoup或lxml库）批量抓取页面并提取关键词，再导入表格。
• 借助LibreOffice的宏（Basic语言）调用外部工具完成HTML解析，比如利用msxml组件（Windows环境）或libxml2（Linux/macOS）处理HTML。

2. 调整思路：用正则表达式替代XML解析 #

如果依赖公式操作，可尝试用REGEXEXTRACT或REGEXREPLACE通过正则表达式提取关键词。针对SciELO页面的关键词结构，示例公式如下：

=REGEXEXTRACT(SERVIÇOWEB("http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1982-88372022000300013&lang=pt"), "<span class=""kwd-text"">(.*?)</span>")

注意：正则表达式需要根据页面实际HTML结构调整，若页面结构更新，正则会失效。

3. 验证请求是否被拦截 #

部分网站会拦截非浏览器发起的请求，你可以先单独输入=SERVIÇOWEB("你的目标URL")到单元格，查看返回内容：

• 若返回空或错误信息，说明请求被拦截。由于LibreOffice的SERVIÇOWEB不支持自定义请求头，这种情况只能用脚本或专业抓取工具完成批量提取。

内容的提问来源于stack exchange，提问作者Renato Moraes