Google Sheets ImportXML使用指南：如何提取指定文本标签后的对应内容

不推荐直接使用正则匹配HTML结构，页面的空格、不可见字符、标签属性微调都会导致正则失效，优先使用成熟HTML解析库的节点关系查询能力实现需求，稳定性更高。
核心实现逻辑：先定位到包含指定文本「Publication date」的标签，再通过节点的相邻、父子层级关系找到后续的目标内容节点。 #

示例1实现代码 #

通用XPath写法（适配绝大多数爬虫工具、解析库） #

//div[contains(@class, 'rpi-attribute-label')]/span[text()='Publication date']/../../div[contains(@class, 'rpi-attribute-value')]/span/text()

定位逻辑：

• 先找到class含rpi-attribute-label的div下，文本值为「Publication date」的span节点
• 向上回溯两层到属性组的根容器rpi-attribute-content
• 向下查找class含rpi-attribute-value的div下的span文本，即为目标日期

Python BeautifulSoup 示例 #

from bs4 import BeautifulSoup

# 传入你抓取到的HTML文本
soup = BeautifulSoup(html_content, 'lxml')
# 定位Publication date标签
label_node = soup.find('span', string='Publication date')
# 向上找到属性组容器
attr_group = label_node.parent.parent
# 提取目标日期
target_date = attr_group.find('div', class_='rpi-attribute-value').span.text.strip()
print(target_date) # 输出：May 11, 2021

示例2实现代码 #

通用XPath写法 #

//span[contains(@class, 'a-text-bold') and contains(text(), 'Publication date')]/following-sibling::span[1]/text()

定位逻辑：

• 先找到class含a-text-bold、文本包含「Publication date」的span节点
• 直接取该节点后第一个同级span的文本即可

Python BeautifulSoup 示例 #

from bs4 import BeautifulSoup

soup = BeautifulSoup(html_content, 'lxml')
# 定位Publication date加粗标签
label_node = soup.find('span', class_='a-text-bold', string=lambda s: 'Publication date' in s)
# 取后面第一个同级span的内容
target_date = label_node.find_next_sibling('span').text.strip()
print(target_date) # 输出：September 7, 2021

兜底替代方案 #

仅当页面结构极不稳定、节点定位逻辑频繁失效时，可考虑使用正则做模糊匹配，示例规则如下：

Publication date[\s\S]*?([A-Z][a-z]+ \d{1,2}, \d{4})

该方案容错率低，仅作为兜底使用，优先级远低于HTML节点解析方案

内容的提问来源于stack exchange，提问作者RandX