如何用Google Spreadsheet ImportXML获取FamilySearch动态生成的Note列档案数据

嘿，这个问题我碰到过好多次——Google Sheets的IMPORTXML确实搞不定JS动态生成的内容，因为它只会抓取页面刚加载时的静态HTML，根本不会运行页面上的JavaScript。不过针对FamilySearch这个站点，有几个靠谱的办法能拿到你要的「Note」下的档案列表：

方法1：直接抓取站点API（最推荐） #

大部分动态内容都是通过后台API加载的，咱们可以直接找这个API端点来拿数据：

• 打开目标页面，按F12调出开发者工具，切换到「Network」标签，勾选「XHR/Fetch」过滤项
• 刷新页面，找类似/api/catalog/records/[ID]格式的请求（你的例子里ID是966883）
• 点击这个请求，查看「Response」标签，里面大概率能找到包含「Note」内容的字段（比如note或description）
• 复制这个API的完整URL，在Google Sheets里用IMPORTDATA()函数直接请求，或者用IMPORTJSON自定义函数（需要先安装）来解析JSON格式的响应

如果API需要认证，别慌，FamilySearch的公开 catalog 数据一般不需要登录就能访问，只要请求头里带上正常的User-Agent就行。

方法2：用Google Apps Script提取页面预加载数据 #

很多站点会把初始数据塞进页面的<script>标签里（比如window.__INITIAL_STATE__），咱们可以写个简单的脚本提取：

1. 打开你的Google Sheet，点击「扩展程序」→「Apps 脚本」
2. 替换默认代码为以下内容：

function getFamilySearchNote(url) {
  // 设置请求头模拟浏览器，避免被反爬
  const requestOptions = {
    headers: {
      'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/118.0.0.0 Safari/537.36'
    }
  };

  try {
    const pageHtml = UrlFetchApp.fetch(url, requestOptions).getContentText();
    // 匹配包含Note内容的脚本片段（需要根据实际页面调整正则）
    const noteMatch = pageHtml.match(/"note":"([^"]+)"/);
    
    if (noteMatch) {
      // 处理转义字符，还原原始内容
      let rawNote = noteMatch[1].replace(/\\"/g, '"').replace(/\\n/g, '\n');
      // 提取只包含档案编号的行（比如以「Ф.」开头的行）
      const recordList = rawNote.split('\n').filter(line => line.trim().startsWith('Ф.'));
      return recordList.join('\n');
    }
    return '未找到Note内容';
  } catch (error) {
    return `获取失败：${error.message}`;
  }
}

3. 保存脚本，回到Sheet里输入公式：=getFamilySearchNote("https://www.familysearch.org/search/catalog/966883?availability=Family%20History%20Library")，就能拿到你要的档案列表了

注意事项 #

• 正则表达式可能需要根据不同的catalog页面调整，毕竟FamilySearch的内容格式偶尔会变
• 不要频繁请求，避免触发站点的反爬机制
• 如果页面没有预加载数据，那可能需要用能渲染JavaScript的工具（比如Puppeteer），不过这个需要配合Google Cloud Functions，门槛稍高

内容的提问来源于stack exchange，提问作者vasja pupkin