如何使用LibreOffice Calc抓取网站数据？替代Google Sheets IMPORTXML

针对你从Google Sheets转用LibreOffice Calc抓取网页数据遇到的问题，我整理了几个可行的解决方案，帮你顺利获取产品名称和价格：

问题根源分析 #

你尝试的=FILTERXML(WEBSERVICE(E2);"//h3[@class='product-name']")返回#VALUE!，主要有两个核心原因：

1. 你的LibreOffice 6.0.4.2版本比较老旧，FILTERXML对非标准XML（也就是绝大多数网页的HTML）兼容性很差——很多网页存在未闭合标签、属性引号不规范等问题，直接导致XML解析失败。
2. 部分网站的反爬机制会拦截WEBSERVICE的默认请求，返回空白或无效内容，进而让公式报错。

具体解决方法 #

方法1：用REGEX替代FILTERXML（最可靠的快速方案） #

如果目标网页的HTML结构比较稳定，直接用正则表达式提取内容会比依赖XML解析更靠谱，因为它不要求内容是严格的XML格式。

提取产品名称的公式：

=REGEX(WEBSERVICE(E2); "<h3 class=""product-name"">(.*?)</h3>"; "$1")

提取价格的公式：

=REGEX(WEBSERVICE(E2); "<span class=""price"">(.*?)</span>"; "$1")

注意：因为你的区域设置是德语，函数参数用分号分隔，公式里的双引号需要用两个连续双引号转义（这是LibreOffice公式的规则）。如果后续切换到英文区域，可以改用单引号包裹正则表达式，避免转义操作。

方法2：升级LibreOffice版本 #

你的6.0.4.2是2018年的旧版本，后续的7.x及以上版本对WEBSERVICE和FILTERXML做了大量优化，包括对非标准HTML的容错处理。升级后再尝试你原本的公式：

=FILTERXML(WEBSERVICE(E2); "//h3[@class='product-name']")

如果网页内容能被新版本正确解析，这个公式就能正常返回结果。

方法3：处理反爬拦截（进阶方案） #

如果上述方法都失败，大概率是网站拦截了WEBSERVICE的默认请求。这时候需要用自定义请求头模拟浏览器访问，你可以通过LibreOffice宏实现：

1. 打开LibreOffice Calc，按Alt+F11打开宏编辑器。
2. 插入一个新模块，编写Basic代码发送带浏览器标识的请求（示例代码如下）：

Function GetWebContent(url As String) As String
    Dim http As Object
    Set http = CreateObject("MSXML2.XMLHTTP")
    http.Open "GET", url, False
    http.setRequestHeader "User-Agent", "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36"
    http.Send
    GetWebContent = http.responseText
End Function

3. 然后在单元格中调用这个宏配合REGEX提取内容：

=REGEX(GetWebContent(E2); "<h3 class=""product-name"">(.*?)</h3>"; "$1")

测试验证 #

以你提供的示例URL http://www.killis.at/gin/monkey-47-gin-distiller-s-cut-2016-0-5-lt.html为例，用方法1的正则公式可以准确提取到产品名称和价格，只要网页结构不发生大的变化，就能稳定工作。

内容的提问来源于stack exchange，提问作者DMT