如何使用Google Spreadsheet抓取网站？

Question

我有这个网站https://gpfo.memberclicks.net//index.php?option=com_community&view=profile&userid=23705974 ，我正在尝试提取“完整个人资料”下“视图”后面的href链接。

我想知道如何抓取。 我试过//dl[1]/dd[contains(a/text(),'View')]/@href但是它没有返回任何数据。

我也想就刮刮网站的最有效方法是专家意见：直接从Google Docs运行importXML更好吗？还是有使用脚本执行此操作的更好方法？

Answer 1

您尝试查询<dd>的@href标记（不存在）。 尝试

//dd/a[. = 'View']/@href

代替。 或者，更接近您的原始表情：

//dl[1]/dd/a[contains(text(),'View')]/@href

直接从Google Docs运行importXML更好还是使用脚本来实现呢？

取决于事物将变得多么复杂。 如果您只想读取一些表格数据，那么使用普通的电子表格可能会更好。 如果比较复杂，编写自己的脚本可能是合理的。