时间戳

首页 > 解决方案 > 如何使用 Xpath 从 BoxOfficeMojo 中提取电影标题

xml - 如何使用 Xpath 从 BoxOfficeMojo 中提取电影标题

问题描述

因此，我尝试使用 ImportXML 函数在 Google 表格中导入电影标题，该函数希望我给它一个Xpath-query。问题是 BoxOfficeMojo，它的结构非常奇怪，这让我无法弄清楚如何查询。

在 Google Sheets 中一切正常，但我根本无法生成正确的 Xpath 查询，当为 ImportXML-cell 提供链接时，它只给了我电影的标题。

这是我必须处理的：

我尝试了许多不同的查询，包括当我检查网站时 Chrome 会为我生成的一个，但 BoxOfficeMojo 的结构很奇怪，这意味着我不能使用任何逻辑来创建我的查询。我已经做了几个小时了，我最接近得到正确结果的是这个查询：

//*[//table[@border = '0']]/td/font/b

这给了我这个结果：

The A-Team

4

我一生都无法弄清楚，我如何过滤掉电影的标题（在这种情况下是“The A-Team”）。

为了更好地衡量，当我检查网站时，这就是 Chrome 建议的 Xpath：

//*[@id="body"]/table[2]/tbody/tr/td/table[1]/tbody/tr/td[2]/font/b

上面的查询不起作用，只是抛出一个错误，好像查询什么都不返回......

可能的解决方案 我见过一些成功进行 Xpath 查询的人，他们在其中搜索某个短语，并返回该短语之后的内容（看这个：python：xpath 从 boxofficemojo.com 返回空列表）。

但是，我似乎无法弄清楚如何搜索电影的标题，因为它没有被任何文本包围。

抓取像这个标题这样简单的东西的全部意义在于，BoxOfficeMojo 上的标题全年都在变化，我需要确切的标题才能抓取和比较 Google 表格中的数据。

希望我在人群中为 Xpath 向导提供了足够的信息，以便能够为我提出建议。

提前致谢！

标签： xmlxpathweb-scrapinggoogle-sheets

解决方案

正如安德森亲切地建议的那样，使用这个查询：

//font[@size="6"]/b

成功了:)

编辑：

事实证明，有些电影的标题格式会导致结果被分成几个单元格，从而破坏了我的电子表格。

但是，此解决方案似乎适用于所有电影，并且将返回一个仅包含标题的单元格：

=JOIN(" ";IMPORTXML(H81;"(//font[@face='Verdana']/b)[2]"))

推荐阅读