IMPORTXML在NCBI网站的特定页面上返回＃N / A-刮刮保护吗？

Question

我正在尝试抓取此页面https://www.ncbi.nlm.nih.gov/gene/2597，以使用IMPORTXML将“正式全名”，“也称为”和其他一些信息发送到Google表格。

对于“正式全名”（e.g. glyceraldehyde-3-phosphate dehydrogenase），我尝试这样做：

=IMPORTXML("https://www.ncbi.nlm.nih.gov/gene/55054", "//*[@id="summaryDl"]/dd[2]/text()")

给我＃N / A

因此，我尝试将""更改为''，以使用放置URL和查询的单元格，以所有可能的方式更改查询：D。

我注意到我可以使用IMPORTHTML（并在页面中包含有关表的一些信息）或IMPORTRSS，但无法获取所需的信息。因此，我认为该网站不会阻止抓取。

我认为这是一个JS或XML问题，但事实并非如此（我认为...也许我错过了一些东西）。我什至尝试使用某人代码中的IMPORTJSON，但什么也收不到（老实说，可能太复杂了，无法使用。）

我真的在这里被封锁，所以如果有人可以帮助...？

Answer 1

您可以尝试直接抓取源代码：

=ARRAY_CONSTRAIN(IMPORTDATA("https://www.ncbi.nlm.nih.gov/gene/55054"), 10000, 1)

然后执行类似的操作以获取“也称为”值：

=REGEXREPLACE(QUERY(
 {{""; ARRAY_CONSTRAIN(IMPORTDATA("https://www.ncbi.nlm.nih.gov/gene/55054"), 500, 1)},
      {ARRAY_CONSTRAIN(IMPORTDATA("https://www.ncbi.nlm.nih.gov/gene/55054"), 500, 1); ""}},
 "select Col2 where Col1 contains'Also known as'"), "<dd>|</dd>", "")