在google-sheets的importxml函数中使用xpath从willhaben.at上抓取价格

Question

使用google-sheets中的importxml功能，我正在尝试从这个网站上获取汽车价格：https://www.willhaben.at/iad/gebrauchtwagen/auto/gebrauchtwagenboerse?CAR_MODEL%2FMODEL=1230&CAR_MODEL%2FMAKE=1018&sort=3，我尝试了许多选项，例如：

1)

//div@class=‘info’/span@class=‘向右拉’

但是我从来不能把价格放到我的谷歌工作表上。我要么得到错误，要么得到空的结果。我开始认为这个网站有某种保护措施，防止价格被刮掉。这有可能吗？

谢谢你的帮助

Answer 1

不知道该不该称之为保护。但是你想提取的价格是动态的内容。所以你不能很容易地用XPath访问它。

例如，第一辆汽车"Honda Jazz 1,3i-VTEC Trend“的价格由脚本生成：

<div id='e4b79dff-ede1-496a-8460-ca22374cf998'>&lt;Platzhalter&gt;</div>
<script>
    var f053143d96c794669bf0a23f42f5486ac = function(value){return base64UTF8Codec.decode(arguments[0])};
    replaceWith(document.getElementById('e4b79dff-ede1-496a-8460-ca22374cf998'), f053143d96c794669bf0a23f42f5486ac('DQogICAgICAgICAgICAgICAgPHNwYW4gY2xhc3M9InB1bGwtcmlnaHQiPiAxOS45OTAsLSA8L3NwYW4+DQogICAgICAgICAgICA='));
</script>

在脚本中，您可以看到该值：

 DQogICAgICAgICAgICAgICAgPHNwYW4gY2xhc3M9InB1bGwtcmlnaHQiPiAxOS45OTAsLSA8L3NwYW4+DQogICAgICAgICAgICA=

，它是base64编码的字符串。如果你解码它，你会得到：

<span class="pull-right"> 19.990,- </span>

，其中包含价格。

因此，如果你想从这个网站中提取汽车价格，你可能需要编写Google Apps Script。

这样的Apps脚本示例：

function decodeElement(encoded) {
  var bytes = Utilities.base64Decode(encoded);
  var blob = Utilities.newBlob(bytes);
  return blob.getDataAsString();
}

function extractEncodedElement(scriptStr) {
  var rgx = new RegExp(".*'([^']+)'\\)\\);");
  return rgx.exec(scriptStr)[1];
}

function extractPrice(scriptStr) {
  var encoded = extractEncodedElement(scriptStr);
  var decoded = decodeElement(encoded);
  var xml = XmlService.parse(decoded);
  return xml.getRootElement().getText();
}

function extractPrices(strs) {
  var result = [];
  for (i = 0; i < strs.length; i++) {
    result.push(extractPrice(strs[i]));
  }
  return result;
}

因此，保存此脚本后，您可以在单元格的电子表格中使用它：

=extractPrices(IMPORTXML("your_link_here", "//div[@class='info']/script"))

它将返回一组价格。extractPrices遍历来自IMPORTXML的结果并提取每个结果的价格。