使用IMPORTXML抓取topuniversities数据报空,如何编写正确XPath?
错误触发原因
- 你使用的XPath匹配的是页面经JavaScript渲染后的最终DOM结构,而
IMPORTXML仅会请求页面的原始静态HTML,不会执行页面内的JS代码,你定位的#ranking-data-load下的排名内容是后续异步加载的,静态HTML里不存在对应节点,因此返回空内容。
正确XPath写法
你可以直接匹配静态HTML中已经存在的排名相关节点,按需选用以下公式:
- 仅抓取所有上榜大学名称:
=IMPORTXML("https://www.topuniversities.com/university-rankings/usa-rankings/2021","//a[contains(@class,'uni-link')]/text()")
- 同时抓取大学排名和对应名称:
=IMPORTXML("https://www.topuniversities.com/university-rankings/usa-rankings/2021","//div[contains(@class,'rank')]/text() | //a[contains(@class,'uni-link')]/text()")
补充说明
如果运行上述公式仍然返回空,说明目标站点对Google Sheets的爬虫请求做了频率或IP限制,这种情况下你需要先将页面源码手动保存到本地再做数据提取。
内容的提问来源于stack exchange,提问作者vish
相关产品推荐
相关产品推荐

