IMPORTXML 基礎：用 XPath 抓網頁上指定的內容

IMPORTHTML 只能整張表格、整份清單一起抓。如果我只想要網頁上的所有標題，或是每個連結實際指向的網址，就要請出 IMPORTXML，用 XPath 告訴它要哪一塊。

XPath 看起來很像密碼，不過常用的寫法就那幾種，這篇逐一示範，最後講哪些網頁抓不到。

IMPORTXML

IMPORTXML 會讀取網址的內容，把符合 XPath 的部分放進試算表。

語法

=IMPORTXML(網址, XPath查詢, [地區])

• 網址：完整網址，要加 https://，用雙引號包起來，也可以放在別的儲存格再參照。
• XPath查詢：要選哪些元素的描述，同樣用雙引號包起來。
• 地區：選填，用來解析數字、日期的地區代碼；沒填就用檔案的地區設定。本文的範例都用不到。

公式本身已經用雙引號包字串，XPath 裡面要放引號的話，用單引號："//a[@class='nav']"。

網址我通常放在別的儲存格，公式比較短，要換頁面也只改一格。下面的範例都在 A1 放同一個網址，維基百科的 Mohs scale（莫氏硬度）條目，網址是：

https://en.wikipedia.org/wiki/Mohs_scale_of_mineral_hardness

公式放在 C1，結果會從 C1 往下展開。文中的數字是 2026 年 10 月的頁面。維基百科會被編輯，哪天你看到的數字不一樣是正常的。

XPath 基本寫法

選標籤：//h1、//h2

// 的意思是「不管在文件的哪個位置」，後面接標籤名稱。先抓頁面的大標題：

這個頁面只有一個 h1，C1 會得到 Mohs scale。

第一次在檔案裡用 IMPORTXML（或 IMPORTHTML、IMPORTDATA、IMPORTFEED），儲存格會先是 #REF!，畫面上方出現黃色橫幅：「警告：某些公式正試圖傳送資料到外部或接收外部的資料。」右邊有「瞭解詳情」和「允許存取」，按「允許存取」之後，這份檔案裡的這幾個函式才會真的去抓資料。IMPORTRANGE 另有一套「連結試算表」的授權卡片，不走這個橫幅，做法見 IMPORTRANGE 跨試算表同步。

再來抓所有的 h2，也就是各段落的標題：

來看看結果，共 9 列：

第 1 列的 Contents 是維基百科目錄區塊的標題，不是條目的段落。想把它排除，可以加條件，後面的練習會做。

選屬性：//a/@href

標籤上的屬性用 @ 開頭。連結的目標網址放在 a 標籤的 href 屬性裡，所以：

這一天的頁面有 429 個連結，前三個是：

第一個 #bodyContent 是跳到頁面內某處的連結，第 2、3 個只有路徑沒有網域，拿去用之前要自己補上 https://en.wikipedia.org。同一個頁面的寫法也不統一，後面還有直接寫完整網址的，真的要整批使用，我會先掃一遍再決定怎麼處理。

標籤換成別的也一樣，//img/@src 就是頁面上所有圖片的來源路徑。

加條件：[@class='...']

方括號裡放條件，@class='wikitable' 的意思是「class 屬性正好等於 wikitable」。想知道頁面上有幾個這種表格，用 COUNTA 數一下：

結果是 2。但莫氏硬度那張主表格的 class 是 wikitable sortable，兩個詞，所以沒被選到。「等於」就是整個字串完全一樣，多一個字都不行。

來比較三種寫法，各用一格公式，放在 E1 到 E3：

HTML 的 class 常常有好幾個詞，用「等於」很容易漏掉。E2 的 contains 比較保險。

包含就好：contains()

contains(@屬性, '文字') 的意思是「屬性裡有這段文字就算」。上面的 E2 就是這個寫法，連 wikitable sortable 也選到了，所以是 3 個。

它也可以用在 href 上。我想找所有網址裡有 Vickers 的連結：

來看看結果：

一個是頁面內跳到「Comparison with Vickers scale」那一段的連結，另一個是 Vickers 硬度試驗的條目。

取文字：text()

text() 取的是標籤「直接包著」的文字。莫氏硬度表格的第 2 欄是礦物名稱，每個名稱都包在 a 連結裡面。先不加 text()，直接選第 2 欄的儲存格：

這樣會得到 10 列礦物名稱：

第 6 到 10 列依序是 Orthoclase feldspar、Quartz、Topaz、Corundum、Diamond。其中 Orthoclase 和 feldspar 在原始碼裡中間隔著換行標籤，IMPORTXML 把兩段直接接起來，第 6 列的值是 Orthoclasefeldspar，中間沒有空格。要用這欄去比對或查詢的話，先留意這一列。

改成 td[2]/text() 的話，名字不是 td 直接包著的，而是在 a 裡面，所以什麼都選不到：

會得到 #N/A，點儲存格的提示是「匯入的內容空白。」。

要取文字就得往下寫到 a：td[2]/a/text()。這樣會得到 11 列而不是 10 列，因為 Orthoclase 和 feldspar 被換行標籤切成兩段文字，各占一列。所以沒有特別需求的話，我會直接選元素本身，不加 text()。

不管用哪一種，查詢寫完我都會用 COUNTA 或 ROWS 數一下結果筆數，看是不是自己預期的數字。

不會寫 XPath 的話

我自己寫 XPath 的流程是這樣的：在 Chrome 上對想抓的字按右鍵，選「檢查」，開發者工具會停在那個元素。再對它按右鍵，選「Copy」>「Copy XPath」，路徑就複製下來了。開發者工具也可以用 F12 或 Ctrl+Shift+I（Mac 為 Cmd+Option+I）打開。

貼進去之前要注意三件事：

• Chrome 複製出來的 XPath 引號是雙引號，像 //*[@id="total"]，放進公式要改成單引號。
• 它常常給一長串從頭走到尾的絕對路徑，網頁一改版就斷。如果元素本身有 class 或 id，我會改成上面的 [@class=...] 或 contains 寫法，比較耐用。
• 開發者工具顯示的是瀏覽器整理過的結構，路徑裡的 /tbody/ 常常是瀏覽器自己補的，伺服器送出的原始碼裡未必有。貼上後選不到東西時，先試著把 /tbody/ 拿掉。

抓不到的時候

IMPORTXML 讀的是伺服器回傳的 HTML，不會像瀏覽器那樣執行頁面上的 JavaScript。所以有幾種情況會抓不到：

• 內容是 JavaScript 之後才填進去的。很多購物網站、股價頁面是這樣，瀏覽器看得到，原始碼裡卻沒有那個數字。
• 要登入才看得到的頁面。公式沒有地方輸入帳號密碼。
• 網站不讓 Google 的抓取程式進去。

判斷是哪一種，我會在 Chrome 開網頁後按 Ctrl+U（Mac 為 Cmd+Option+U）看原始碼，再用 Ctrl+F（Mac 為 Cmd+F）搜尋想抓的字。搜得到，表示伺服器有送，XPath 寫對就抓得到。搜不到，就是 JavaScript 填的，換 XPath 也沒用，要看看網站有沒有公開的資料下載或 API，需要自動化的話再考慮 Apps Script。

抓不到時的錯誤碼，常見是 #N/A，提示會告訴你是哪一種：XPath 選不到東西是「匯入的內容空白。」；網址不存在（404）是「在指定網址找不到資源。」。

抓公開網頁前，先看一下網站的使用條款，也可以在網址後面加 /robots.txt，看對方有沒有不讓機器人抓取的設定，有的話就不要抓。多久更新一次、同一份試算表放太多匯入函式會怎樣、為什麼不能用 NOW() 強迫更新（網址串上 NOW() 會得到 #ERROR!），這些寫在 網頁資料匯入函式 那篇，這裡不重講。

抓回來的文字常常夾著空格、符號或奇怪的格式，整理的方法接著看 整理文字資料 和 髒資料清理分工。

練習

換一個你常看的公開網頁，試著抓抓看它的標題和連結吧！

我是喜特先生，Mr. Sheet，我們下個教學見！