用Google Sheets IMPORTXML爬LinkedIn链接仅得缩略图？解决方法

原抓取失效的核心原因 #

• 目标页面的LinkedIn入口采用嵌套结构：外层是带跳转属性的<a>标签，内层才是LinkedIn缩略图<img>元素
• 此前使用的IMPORTXML选择器直接命中了内层img节点，因此仅能拿到缩略图的图片地址，无法获取外层<a>标签存储的LinkedIn跳转URL。
• 目标页面对Google Sheets的爬虫请求无拦截，可直接通过内置函数完成提取，无需额外脚本工具。

可直接使用的提取公式 #

在Google Sheets任意空白单元格输入以下公式即可直接拉取所有LinkedIn跳转链接：

=IMPORTXML("https://investors.atlassian.com/corporate-governance/board-of-directors/default.aspx#", "//a[.//img[contains(@src,'linkedin')]]/@href")

• 选择器逻辑说明：
  • 先定位页面内所有<a>标签，筛选规则为当前a标签内部包含src路径带"linkedin"标识的缩略图（即此前你能成功抓取到的图片元素）
  • 直接提取筛选后a标签的href属性，跳过对图片节点的无效抓取。

异常场景处理 #

• 若公式返回#N/A，说明页面结构有小幅调整，可替换为更宽松的选择器重试：

  =IMPORTXML("https://investors.atlassian.com/corporate-governance/board-of-directors/default.aspx#", "//a[contains(@href,'linkedin.com')]/@href")
  

• 若返回值为站点相对路径（非完整LinkedIn地址），用拼接公式补全域名即可：

  =CONCAT("https://investors.atlassian.com", 单元格内的相对路径值)
  

• 若全页面拉取出现超时，可拆分步骤：先用IMPORTHTML单独拉取董事会成员板块的内容表格，再在表格范围内提取对应LinkedIn链接，降低单次拉取的数据量。

内容的提问来源于stack exchange，提问作者Jack Hammond