尝试使用 Google 表格和 importxml() 提取文本时出错

Question

我在 Google 表格中有一列链接。我想判断一个页面是否使用importxml产生错误消息

举个例子，这很好用

=importxml("https://en.wikipedia.org/wiki/List_of_postal_codes_of_Canada:_T", "//td/b")

即它查找 td，然后取出 b（这是加拿大的邮政编码）

但是这个寻找错误信息的代码不起作用：

=importxml("https://www.awwwards.com/error1/", "//div/h1" )

我希望它拉出“您正在寻找的页面不存在。”

...在此页面上https://www.awwwards.com/error1/

我收到了Resource at URL not found error。我可能做错了什么？谢谢

Answer 1

在使用默认公式进行快速试验和错误之后：

=IMPORTXML("https://www.awwwards.com/error1/", "//*")

---

=IMPORTHTML("https://www.awwwards.com/error1/", "table", 1)

---

=IMPORTHTML("https://www.awwwards.com/error1/", "list", 1)

---

=IMPORTDATA("https://www.awwwards.com/error1/")

看来网站无论如何都不能在Google Sheets中被抓取（正则公式）

Answer 2

• 您想从https://www.awwwards.com/error1/ 的URL 中检索THE PAGE YOU WERE LOOKING FOR DOESN'T EXIST. 的值。

如果我的理解是正确的，那么这个答案呢？请认为这只是几个可能的答案之一。

问题和解决方法：

我认为您的网址页面是Error 404 (Not Found)。所以在这种情况下，返回404 的状态码。我认为这样的话，像IMPORTXML 这样的内置函数可能无法检索到 HTML 数据。

作为一种解决方法，如何在 UrlFetchApp 中使用自定义函数？使用 UrlFetchApp 时，即使状态码为404，也可以检索到 HTML 数据。

自定义函数的示例脚本：

请将以下脚本复制并粘贴到电子表格的脚本编辑器中。请把=SAMPLE("https://www.awwwards.com/error1") 放到电子表格的一个单元格中。这样，脚本就运行了。

function SAMPLE(url) {
  return UrlFetchApp
    .fetch(url, {muteHttpExceptions: true})
    .getContentText()
    .match(/<h1>([\w\s\S]+)<\/h1>/)[1]
    .toUpperCase();
}

结果：

注意：

• 此自定义函数适用于https://www.awwwards.com/error1 的URL。当您将此用于其他 URL 时，可能无法检索到预期的结果。请注意这一点。

参考资料：

• Custom Functions in Google Sheets

• fetch(url, params)

  muteHttpExceptions：如果为 true，则如果响应代码指示失败，则 fetch 不会抛出异常，而是返回 HTTPResponse。默认为假。

• match()

• toUpperCase()

如果这不是您想要的方向，我深表歉意。