我试图使用YQL从一系列网页中提取HTML的一部分。页面本身的结构略有不同（因此Yahoo Pipes“Fetch Page”及其“剪切内容”功能效果不佳）但我感兴趣的片段总是有相同的 class 属性。
如果我有这样的HTML页面：
<html>
<body>
<div class="foo">
<p>Wolf</p>
<ul>
<li>Dog</li>
<li>Cat</li>
</ul>
</div>
</body>
</html>
并使用这样的YQL表达式：
SELECT * FROM html
WHERE url="http://example.com/containing-the-fragment-above"
AND xpath="//div[@class='foo']"
我得到的是（显然是无序的？）DOM元素，我想要的是HTML内容本身。我试过了 SELECT content 同样，但只选择文本内容。我想要HTML。这可能吗？
你可以写一点 打开数据表 发出正常的YQL html 表查询和 字符串化 结果。类似于以下内容：
<?xml version="1.0" encoding="UTF-8" ?>
<table xmlns="http://query.yahooapis.com/v1/schema/table.xsd">
<meta>
<sampleQuery>select * from {table} where url="http://finance.yahoo.com/q?s=yhoo" and xpath='//div[@id="yfi_headlines"]/div[2]/ul/li/a'</sampleQuery>
<description>Retrieve HTML document fragments</description>
<author>Peter Cowburn</author>
</meta>
<bindings>
<select itemPath="result.html" produces="JSON">
<inputs>
<key id="url" type="xs:string" paramType="variable" required="true"/>
<key id="xpath" type="xs:string" paramType="variable" required="true"/>
</inputs>
<execute><![CDATA[
var results = y.query("select * from html where url=@url and xpath=@xpath", {url:url, xpath:xpath}).results.*;
var html_strings = [];
for each (var item in results) html_strings.push(item.toXMLString());
response.object = {html: html_strings};
]]></execute>
</select>
</bindings>
</table>
然后，您可以使用YQL查询查询该自定义表，如：
use "http://url.to/your/datatable.xml" as html.tostring;
select * from html.tostring where
url="http://finance.yahoo.com/q?s=yhoo"
and xpath='//div[@id="yfi_headlines"]/div[2]/ul/li'
编辑： 刚刚意识到这是一个非常古老的问题，而且被撞了;至少答案在这里，最终，对于任何绊倒这个问题的人来说。 :)
你可以写一点 打开数据表 发出正常的YQL html 表查询和 字符串化 结果。类似于以下内容：
<?xml version="1.0" encoding="UTF-8" ?>
<table xmlns="http://query.yahooapis.com/v1/schema/table.xsd">
<meta>
<sampleQuery>select * from {table} where url="http://finance.yahoo.com/q?s=yhoo" and xpath='//div[@id="yfi_headlines"]/div[2]/ul/li/a'</sampleQuery>
<description>Retrieve HTML document fragments</description>
<author>Peter Cowburn</author>
</meta>
<bindings>
<select itemPath="result.html" produces="JSON">
<inputs>
<key id="url" type="xs:string" paramType="variable" required="true"/>
<key id="xpath" type="xs:string" paramType="variable" required="true"/>
</inputs>
<execute><![CDATA[
var results = y.query("select * from html where url=@url and xpath=@xpath", {url:url, xpath:xpath}).results.*;
var html_strings = [];
for each (var item in results) html_strings.push(item.toXMLString());
response.object = {html: html_strings};
]]></execute>
</select>
</bindings>
</table>
然后，您可以使用YQL查询查询该自定义表，如：
use "http://url.to/your/datatable.xml" as html.tostring;
select * from html.tostring where
url="http://finance.yahoo.com/q?s=yhoo"
and xpath='//div[@id="yfi_headlines"]/div[2]/ul/li'
编辑： 刚刚意识到这是一个非常古老的问题，而且被撞了;至少答案在这里，最终，对于任何绊倒这个问题的人来说。 :)
我有同样的问题。我唯一能解决的问题是避免使用YQL，只使用正则表达式来匹配开始和结束标记：/。不是最好的解决方案，但如果html相对不变，那么模式就是说 <div class='name'> 至 <div class='just_after>`，然后你就可以逃脱。然后你可以得到之间的HTML。
YQL将页面转换为XML，然后对其执行XPath，然后获取DOMNodeList并将其序列化为输出的XML（如果需要，则转换为JSON）。您无法访问原始数据。
为什么不能处理XML而不是HTML？