googleスプレッドシートでスクレイピングする時用のメモ

普段全く使わないgoogleスプレッドシートでYahoo!Pipesのfetch feed,fetch pageのような機能があるのを知ったのでメモ

関数 : 外部データに対する関数 - Google ドキュメント ヘルプ

この新機能では、xml、html、csv、tsv などのファイル形式の情報や、Google リーダーで購読可能な RSS や Atom フィードの情報を取得することができます。

用意されてる関数

下記４つ。スプレッドシート１つあたり50に制限。

• importXML("URL","query")
• importData("URL")
• ImportHtml(URL, "list" | "table", index)
• ImportFeed(URL, [feedQuery | itemQuery], [headers], [numItems])

xpathが使える

全文配信フィードが作れる、かも

• パブリッシュするフォーマットの中にがHTML、CSV、RSSがあるから

参考

• Data Scraping Wikipedia with Google Spreadsheets
  • 前に斜め読んだ
  • Wikipediaのページ内の表をgoogleスプレッドシートで読み込み、グラフ作ったり色々加工してパブリッシュして、今度はそれをPipes側で読み込んで、加工してパブリッシュしたり、KMLとして書き出してgoogleマップにオーバーレイしたり、とスクレイピングの鑑のようなエントリ