libreoffice-calc - 如何使用 LibreOffice Calc 从网站获取数据？

Question

我正在寻找一种使用 LibreOffice 的 Calc 从网站获取一些数据的方法。

我之前使用带有 IMPORTXML 函数的 Google 表格，但因为它非常不可靠，所以我想改用 Calc。

我的函数是这样的:

=IMPORTXML(E2; "//h3[@class='product-name']")

=IMPORTXML(E2; "//span[@class='price']")

正如您已经猜到的那样，该 URL 在 E2 中(例如 http://www.killis.at/gin/monkey-47-gin-distiller-s-cut-2016-0-5-lt.html )。

在 Calc 中，我尝试了 =FILTERXML(WEBSERVICE(E2);"//h3[@class='product-name']") 只是为了得到 #VALUE! 作为结果。

我的 LibreOffice 版本是 6.0.4.2，具有德语语言环境。我使用带“;”的英文函数名作为分隔符。

那么这个函数在 Calc 中的等价物是什么？产品名称和价格的相应命令会是什么样子？

Answer 1

问题是虽然 IMPORTXML声称能够解析标签汤 HTML，但并非在所有情况下都是如此，FILTERXML每个定义都需要一个有效的 XML 流。标记汤 HTML 不是有效的 XML 流。老实说，HTML 主要与有效的 XML 流相反。

因此唯一的方法是使用第三方标签汤解析器或将 HTML 标签汤作为字符串并使用字符串操作来查找字符串的所需部分。

第二种方法可能是这样的:

Public Function GETFROMHTML(sURL as String, sStartTag as String) as String

   on error goto onErrorExit
   oSimpleFileAccess = createUNOService ("com.sun.star.ucb.SimpleFileAccess")
   oInpDataStream = createUNOService ("com.sun.star.io.TextInputStream")
   oInpDataStream.setInputStream(oSimpleFileAccess.openFileRead(sUrl))
   dim delimiters() as long
   sContent = oInpDataStream.readString(delimiters(), false)

   lStartPos = instr(1, sContent, sStartTag )
   if lStartPos = 0 then
     GETFROMHTML = "tag " & sStartTag & " not found"
     exit function
   end if   
   lEndPos = instr(lStartPos, sContent, "</")
   lStartPos = lStartPos + 1 + len(sStartTag)
   sText = trim(replace(replace(mid(sContent, lStartPos, lEndPos-lStartPos), chr(10), ""), chr(13), ""))
   GETFROMHTML = sText

 onErrorExit:
   on error goto 0
End Function

像这样在 Calc 单元格中使用:

=GETFROMHTML(E2; "<h3 class=""product-name""")

或

=GETFROMHTML(E2; "<span class=""price""")

使用 Sub 可能如下所示:

sub getProductNameAndPrice()
   on error resume next

   oDoc = ThisComponent
   oSheet = oDoc.CurrentController.ActiveSheet

   for r = 0 to 9 'row 1 to 10 (0 based)

     sURL = oSheet.getCellByPosition(4, r).String 'get string value from column 4 (E)

     oSimpleFileAccess = createUNOService ("com.sun.star.ucb.SimpleFileAccess")
     oInpDataStream = createUNOService ("com.sun.star.io.TextInputStream")
     oInpDataStream.setInputStream(oSimpleFileAccess.openFileRead(sUrl))
     if not isNull(oInpDataStream.InputStream) then 
       dim delimiters() as long
       sContent = oInpDataStream.readString(delimiters(), false)

       sStartTag = "<h3 class=""product-name"""

       lStartPos = instr(1, sContent, sStartTag)
       if lStartPos <> 0 then
         lEndPos = instr(lStartPos, sContent, "</")
         lStartPos = lStartPos + 1 + len(sStartTag)
         sText = trim(replace(replace(mid(sContent, lStartPos, lEndPos-lStartPos), chr(10), ""), chr(13), ""))

         oSheet.getCellByPosition(5, r).String = sText
       end if 

       sStartTag = "<span class=""price"""

       lStartPos = instr(1, sContent, sStartTag)
       if lStartPos <> 0 then
         lEndPos = instr(lStartPos, sContent, "</")
         lStartPos = lStartPos + 1 + len(sStartTag)
         sText = trim(replace(replace(mid(sContent, lStartPos, lEndPos-lStartPos), chr(10), ""), chr(13), ""))

         oSheet.getCellByPosition(6, r).String = sText
       end if   

     end if

   next

   on error goto 0
end sub

此代码从 E 列第 1 到 10 行获取 URL，并在 F 列中写入产品名称，在 G 列中写入价格行。