如何在Google Sheets中通过XPath提取网页指定搜索字符串后的文本

核心解决逻辑 #

放弃Chrome生成的绝对路径XPath，改用文本匹配定位锚点节点，再抓取对应数值节点，只要页面展示文案不变，就能适配所有同站点房源页面。

可用通用XPath #

你之前用following-sibling未成功的核心原因是匹配关键词和站点实际展示文案不匹配，以下XPath已经对齐comparis站点的实际标注文案：

提取房间数量 #

适配多语言场景的XPath：
//*[contains(text(),'Zi.') or contains(text(),'room')]/following-sibling::*[1]

提取居住面积 #

适配多语言场景的XPath：
//*[contains(text(),'Wohnfläche') or contains(text(),'living space')]/following-sibling::*[1]

谷歌表格批量配置步骤 #

• A列从A2行开始存放所有房源URL
• B1单元格存放上述房间数量的XPath，C1单元格存放居住面积的XPath
• B2单元格输入公式 =IMPORTXML($A2, B$1)，向右、向下拖拽公式即可批量提取所有房源的对应数据

异常处理 #

如果出现提取结果为空的情况，可以做如下调整：

• 确认当前站点的标注文案，删掉XPath中不需要的多语言关键词，只保留匹配当前站点的文案
• 将XPath末尾的取值规则改为text()，即调整为//*[contains(text(),'Zi.')]/following-sibling::*[1]/text()，兼容数值直接存放在节点文本中的场景

内容的提问来源于stack exchange，提问作者Ueli Nobs