我正在尝试使用YQL从一系列网页中提取HTML部分。这些页面本身具有略微不同的结构（因此Yahoo Pipes的“获取页面”和其“剪切内容”功能效果不佳），但我感兴趣的片段始终具有相同的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>
然后使用这样的 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（看起来是无序的？）DOM元素，而我想要的是HTML内容本身。我也尝试过使用 SELECT content，但那只会选择文本内容。我想要HTML。这可能吗？
html表查询并将结果字符串化。以下是示例代码：<?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>
您可以使用类似以下的YQL查询：
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相当久远的问题，但至少对于任何偶然发现这个问题的人来说，最终还是有答案的。 :)
我曾经遇到过完全相同的问题。解决办法是避免使用YQL，而是使用正则表达式来匹配起始标签和结束标签 :/。这不是最好的解决方案，但如果HTML相对不变，并且模式只是从 <div class='name'> 到 <div class='just_after'>`，那么你可以用这个方法。然后你就可以获得中间的HTML。
YQL将页面转换为XML，然后在其上执行XPath，然后获取DOMNodeList并将其序列化回XML以进行输出（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？
produces="HTML"（和CSV），尽管可能没有记录，而且我还没有进行过实验，但可能有更直接的方法来实现这个问题的目标。 - hippietrail