我正在使用 Google 表格作为网络抓取工具。
我一直在使用这个 IMPORTXML=importxml(A1, "//div[@class='review-content']//text()")
这就是结果
Row1: {"publishedDate":"2019-01-05T22:19:28Z","updatedDate":"null","reportedDate":"null}
Row2: {"publishedDate":"2018-12-10T22:19:28Z","updatedDate":"null","reportedDate":"null}
Row3: {"publishedDate":"2018-12-09T22:19:28Z","updatedDate":"null","reportedDate":"null}
但我无法弄清楚如何仅获取“publishedDate”值。
例子:
Row1: 2019-01-05T22:19:28Z
Row2: 2018-12-10T22:19:28Z
Row3: 2018-12-09T22:19:28Z
关于我可能遗漏的任何想法
请您参考如下方法:
这3个 sample 怎么样?我从你的问题样本中想到了它们。我认为您的情况有几个答案。因此,请将此视为其中的 3 个样本。
它假设 URL 放在单元格“A1”中。
sample 1:
=ARRAYFORMULA(MID(IMPORTXML(A1, "//div[@class='review-content']//text()"),19,20))
MID() 检索. 样本 2:
=ARRAYFORMULA(INDEX(SPLIT(IMPORTXML(A1, "//div[@class='review-content']//text()"),"""",TRUE,TRUE),,4))
SPLIT() 检索和 INDEX() . sample 3:
=ARRAYFORMULA(REGEXEXTRACT(IMPORTXML(A1, "//div[@class='review-content']//text()"),"publishedDate"":""(\w.+?)"""))
REGEXEXTRACT() 检索. 引用:
如果这些不是您想要的结果,我很抱歉。届时,为了正确复制您的情况,能否提供您使用的网址为 @Rubén说?


