Google表格importxml奇怪的导入-无法获得元素的正确路径

Question

我正在尝试使用IMPORTXML从该网站https://etfdb.com/etf/VOO/获取一些数据。不幸的是，我无法抓取页面的特定元素，而只能从这两个函数中获取数据

=IMPORTXML("https://etfdb.com/etf/VOO","//*")

---

=IMPORTXML("https://etfdb.com/etf/VOO","/html")

我试图查看浏览器是否仅通过JS加载数据，但是在禁用它之后，网站已正确加载，因此我认为JS可能不是这里的问题。

运行类似这样的简单函数后，为什么我收到一条错误消息，提示抓取的内容为空？

//span[contains(text(),'Tracks This Index:')]/following-sibling::span

编辑：添加了具有所需输出https://docs.google.com/spreadsheets/d/1Zn0fQwenYZo6u4jP0yZ7J-NCzyzRnqabR3CDUz8jP3E/edit?usp=sharing的电子表格

Answer 1

这个答案怎么样？

问题：

不幸的是，无法使用//span[contains(text(),'Tracks This Index:')]/following-sibling::span的xpath从URL的HTML数据检索该值。例如，即使使用//span，也将返回#N/A。 Rubén's answer中提到了此问题的原因。

解决方法：

在这里，我想提出一种解决方法。请认为这只是几个答案之一。在这种解决方法中，从body的所有值中检索所需的值。尽管无法检索主体中的每个标签，但是可以检索//body。幸运的是，您所需的值包含在//body中的值中。此解决方法的流程如下。

1. 从//body的xpath检索值。
2. 通过正则表达式检索所需的值。

示例公式：

=TEXTJOIN("",TRUE,IFNA(ARRAYFORMULA(TRIM(REGEXEXTRACT(IMPORTXML(A1,"//body"),"Tracks This Index: (\w.+)"))),""))

• 在此示例中，单元格“ A1”的URL为https://etfdb.com/etf/VOO。
• 在检索//body的值之后，该值由正则表达式检索。
  • 此替代方法的重点是方法。我认为有多种获取价值的公式。因此，请仅将上述示例公式视为其中之一。

结果：

注意：

• 如果将上述公式用于其他URL，则可能会发生错误。请注意这一点。

参考文献：

• IMPORTXML
• REGEXEXTRACT
• ARRAYFORMULA
• IFNA
• TEXTJOIN

如果这不是您想要的方向，我深表歉意。

Answer 2

这是部分答案。

发生此问题是因为https://etfdb.com/etf/VOO/不是有效的XHTML文件。

某些故障：

• 使用<hr>代替<hr/>
• 使用<br>代替<br/>

上述失败导致IMPORTXML无法解析同级标记下方。