如何调整Google Sheets的importxml函数使爬取的XE.com汇率表还原为标准表格格式
问题核心原因
你之前使用//td作为XPath查询路径时,匹配的是整个网页下所有的<td>单元格元素,没有按行维度建立关联,IMPORTXML会把这些单元格按文档从上到下的顺序全部排成单列返回,自然无法还原表格的行列结构。
调整方案
要实现和网页完全一致的二维表格效果,需要把XPath的查询逻辑从「抓取所有单元格」改成「先精准定位目标汇率表格,再逐行提取行内的全部单元格内容」,利用IMPORTXML对同节点组下多子节点的自动二维拆分能力,直接还原表格结构。
可直接使用的公式
=IMPORTXML("https://www.xe.com/currencytables/?from=EUR&date=2020-10-31", "//table[contains(@class, 'currency-table')]//tr")
公式逻辑说明
- 路径第一部分
//table[contains(@class, 'currency-table')]会直接定位到页面上的目标汇率表格,不会把页面侧边、页脚的无关表格内容抓取进来 - 路径第二部分
//tr会提取目标表格下的所有行(包含带表头的第一行),IMPORTXML识别到单个行节点下包含的多个单元格内容时,会自动把这些内容拆分到同一行的独立列中,完全匹配网页的表格排版
实操注意要点
- 返回结果会自动从公式所在单元格开始,向右、向下铺满对应的行和列,第一行就是完整表头,后续每一行对应一条货币汇率数据,货币代码、对应汇率值等字段都在独立列中
- 如果后续XE站点调整了表格的类名,只需要修改XPath中class的匹配规则即可,核心逻辑不变:不要直接匹配所有
//td单元格,永远优先匹配表格行节点来自动拆分列 - 如果遇到个别单元格抓取为空的情况,可以把XPath微调为
//table[contains(@class, 'currency-table')]//tr/child::*,强制提取每个行节点下的所有子元素文本,保证列拆分不缺失 - 注意:如果坚持用//td抓取的单列结果,后续哪怕手动按固定列数拆分,也很容易因为网页单元格的布局偏差出现数据错位,而直接抓取行节点的方式是完全对齐网页原始结构的,不存在错位问题
内容的提问来源于stack exchange,提问作者user15005160
相关产品推荐
相关产品推荐

