parsing - Google 电子表格 ImportXML / XPath - 图像损坏的输出

Question

我正在尝试使用 XPath 通过 Google 表格中的 ImportXML 函数来抓取我网站的图像。该功能似乎有效，但输出似乎被破坏了。我收到以下损坏的输出，而不是获取图像的 URL：

data:image/svg+xml,%3Csvg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 
520 390"%3E%3C/svg%3E

我正在使用以下 XPath：

//div[contains(@class,'MuiGrid-root-59 jss358 MuiGrid-item-61')]//img/@src

我尝试了几件事，但我现在有点卡住了。有谁知道如何处理（和解决）这个编码错误？

编辑 I：特此还有指向 Google 表格的链接：Google 表格中损坏的示例图片

*编辑二：我注意到图像正在改变，所以上面的 XPath 不再工作了

标签： parsinggoogle-apps-scriptxpathgoogle-sheetsgoogle-sheets-formula

Answer 1

当我看到 的 HTML 时https://next.ibood.com/nl/nl/electronics，似乎您要检索的值是由 Javascript 创建的。因此，不幸的是，无法IMPORTXML使用 xpath 直接检索该值。但我注意到您想要的值包含在 HTML 中的 JSON 对象中。但是，不幸的是，数据大小超过 50,000 个字符。Ref在这种情况下，该值无法由 检索IMPORTXML。

因此，在这个答案中，我想建议使用由 Google Apps 脚本创建的自定义函数来实现您的目标。

示例脚本：

请将以下脚本复制并粘贴到电子表格的脚本编辑器中。并且，请把=SAMPLE1("https://next.ibood.com/nl/nl/electronics")和=SAMPLE2("https://next.ibood.com/nl/nl/electronics")到细胞。由此，检索值。

function SAMPLE1(url) {
  const html = UrlFetchApp.fetch(url).getContentText();
  const str = html.match(/<script id=\"__NEXT_DATA__\" type=\"application\/json\">(.+?)<\/script>/);
  if (str.length == 2) {
    const obj = JSON.parse(str[1].trim());
    const value = obj.props.pageProps.initialReduxState.slotItems.mainOffer.imageSrc;
    if (value) {
      return `https:${value}`;
    }
  }
  return "No value";
}

function SAMPLE2(url) {
  const html = UrlFetchApp.fetch(url).getContentText();
  const str = html.match(/<script id=\"__NEXT_DATA__\" type=\"application\/json\">(.+?)<\/script>/);
  if (str.length == 2) {
    const obj = JSON.parse(str[1].trim());
    const value = obj.props.pageProps.initialReduxState.slotItems.offers.map(({imageSrc}) => `https:${imageSrc}`);
    if (value.length > 0) {
      return value;
    }
  }
  return "No value";
}

• 在此示例脚本中，首先检索 HTML，检索 JSON 对象，并从解析的 JSON 对象返回值。
• 当我看到 HTML 数据时，我注意到有 2 种图像源。一个是mainOffer（这个值是通过SAMPLE1().获得的）。另一个是offer（这个值是通过SAMPLE2().获得的）。根据您的问题，我认为您可能想要mainOffer. 但是当我通过浏览器查看时，我注意到网站中的图像与mainOffer. 我不确定这是什么原因。所以我提出了2种模式。

结果：

使用上述脚本时，会得到以下结果。

参考：

• Google 表格中的自定义函数
• 类 UrlFetchApp