ImportXML 返回空

Question

我试图在这个网站上抓取帖子的内容标题：https://www.hortidaily.com/sector/553/greenhouse/

使用 Google 表格 Importxml 功能。

所有帖子都以相同的格式编写：

<a class="article" href="link1">
 <img src="img1.jpg" align="default" border="0" class="indexdefault">      
    <h1>Titre1</h1>
    <p>Texte1</p>
</a>

带 Xpath = 的 ImportXML 函数：

- //a[@class='article']/@href return link1 : ok
- //a[@class='article'][1]/img/@src return img1 : ok
- //a[@class='article'][1]/h1 return #NA (imported content is empty) 即使 XPath 在 chrome XPath Helper 中工作...

虽然 //h1[1] 返回了第一篇文章的标题，但问题我不明白为什么 //a[@class='article'][1]/h1 不起作用，我想成为确定我得到的h1是第一个<a class="article" href="link1"> 下的h1

我已经尝试了几乎所有我能想象到的，没有发现问题。我需要一些帮助！

提前谢谢你

Answer 1

• 您想在第一个a[@class ='article'] 中检索h1 的值。
• 您想知道为什么//a[@class ='article'][1]/h1 返回#NA。

如果我的理解是正确的，这个答案怎么样？

问题原因：

<div id="hoofdartikelen">

  <a class="article" href="link1">
    <img src="img1.jpg" align="default" border="0" class="indexdefault">
    <h1>Titre1</h1>
    <p>Texte1</p>
  </a>

</div>

在我的调查中，对于上述 HTML 数据，<a class="article" href="link1"> 的标签名称 a 似乎是问题所在。例如，将标签名称修改为div，可以确认=IMPORTXML(A1,"//div[@class ='article'][1]/h1")有效。

而且，在上面的 HTML 中，标签 h1 和 p 似乎不是标签 a 的子标签。所以下面的公式有效。

=IMPORTXML(A1,"//div[@id='hoofdartikelen']/h1[1]")

=IMPORTXML(A1,"//div[@id='hoofdartikelen']/p[1]")

但是，=IMPORTXML(A1,"//div[@id='hoofdartikelen']/img[1]/@src") 不起作用。必须是=IMPORTXML(A1,"//div[@id='hoofdartikelen']/a[1]/img/@src")。所以看起来标签img是a的孩子。

xpath 示例：

根据以上结果，我认为以下 xpath 示例可能是合适的。

• //div[@id='hoofdartikelen']/h1[1]
• //h1[1]
• //a[@class ='article']/../h1[1]

参考：

• IMPORTXML()