# Fogli Google: come utilizzare la funzione importXML per il web scraping Una delle caratteristiche più importanti di Fogli Google è la possibilità di importare **contenuti direttamente dai siti** **web**: la funzione importXML() di Fogli Google legge, infatti, i contenuti strutturati di un sito web e li trasferisce nel foglio di lavoro Google desiderato. --- ### Fatto I due programmi di fogli di calcolo Fogli Google ed Excel hanno molti aspetti in comune, ma differiscono in alcuni punti essenziali, come evidenzia il nostro [confronto tra Excel e Fogli Google](https://www.ionos.it/digitalguide/online-marketing/vendere-online/google-sheets-vs-microsoft-excel/ "Google Sheets vs Microsoft Excel"). --- La funzione di importazione “*XML to Google Sheets”* è particolarmente utile quando **si desidera creare tabelle da dati forniti online**. In questo articolo imparerete come utilizzare e sfruttare al meglio questa utile opzione. ## Fogli Google: breve spiegazione della funzione importXML() La funzione importXML() legge [dati strutturati](https://www.ionos.it/digitalguide/siti-web/creare-siti/unintroduzione-ai-dati-strutturati/ "Un’introduzione ai dati strutturati") di progetti web e li inserisce nelle celle di un foglio di lavoro di Fogli Google. Procedete nel modo seguente per eseguire la funzione nel software Google: ```none =importXML(URL, XPath) ``` importXML() di Fogli Google ha solo due parametri: - **URL:** l’indirizzo web da cui si desidera estrarre i dati. Il modo più semplice per farlo è copiarlo direttamente dalla barra degli indirizzi del browser. - **XPath:** indicazione della posizione specifica in cui sono posizionati i dati che si desidera importare. --- ### Consiglio Informazioni dettagliate su XPath sono disponibili nel nostro [tutorial su XPath](https://www.ionos.it/digitalguide/siti-web/programmazione-del-sito-web/tutorial-xpath/ "Tutorial XPath"). --- Se specificate i parametri direttamente nella funzione, è necessario racchiuderli **tra virgolette**. Per evitare di doverli inserire tra virgolette, è possibile scrivere i due parametri in due celle di una tabella **e farvi quindi riferimento** nella funzione della formula. In questo modo non è necessario inserire le virgolette. ## Casi d’utilizzo di importXML di Fogli Google importXML() è molto versatile. Di particolare interesse sono le seguenti quattro possibili applicazioni: - Creazione di liste di link - Analisi di dati strutturati di siti web - Estrazione di contenuto testuale - Importazione di tabelle HTML Nelle sezioni seguenti vi spiegheremo come utilizzare importXML in Fogli Google in base a questi quattro scenari d’utilizzo. --- ### Consiglio I fogli di lavoro di Google fanno parte della [Google Workspace (ex G Suite)](https://www.ionos.it/soluzioni-ufficio/google-workspace) messa a disposizione da IONOS, incluso un dominio gratuito! --- ### Creazione di liste di link A volte si può avere la necessità di creare una lista ordinata di indirizzi web interessanti, che deve includere, tra l’altro, l’URL, il nome del sito web e una breve descrizione. Un buon punto di partenza per questo scenario d’uso è il sito [Nodesign](https://www.nodesign.dev "Sito di Nodesign"), ovvero una raccolta di link che presenta strumenti grafici per sviluppatori che hanno poca o nessuna dimestichezza con il design. I link vengono visualizzati in caselle contenenti ciascuna un’immagine, un titolo e una breve descrizione. Attualmente la raccolta contiene più di 140 voci. [![Immagine: Screenshot della raccolta di link di nodesign.dev](https://www.ionos.it/digitalguide/fileadmin/_processed_/a/e/csm_extract-of-the-collection-of-links-at-nodesign-dev_5767d3ff7a.webp "Screenshot della raccolta di link di nodesign.dev")](https://www.ionos.it/digitalguide/fileadmin/DigitalGuide/Screenshots_2021/extract-of-the-collection-of-links-at-nodesign-dev.png) Il sito web nodesign.dev presenta ogni link in una casella, contenente l’URL (link), un titolo, una breve descrizione e un’immagine. A partire da questa raccolta, vogliamo creare una lista di link nei fogli di lavoro di Google con la funzione importXML(). Per farlo, procediamo così: 1. **Determinare i contenuti nel codice sorgente del sito web** In questo caso, abbiamo bisogno dell’**URL**, del **testo di ancoraggio** (cioè il testo attivo del link) e di una **breve descrizione**. Visualizziamo quindi il codice sorgente direttamente nel browser (tasto F12 o tasto destro del mouse e “Ispeziona”) e selezioniamo la prima scheda. Qui troviamo, sotto il tag <h5> le informazioni desiderate: l’URL (1), il testo di ancoraggio al link (2) e una breve descrizione (3). [![Immagine: Screenshot del codice sorgente di nodesign.dev](https://www.ionos.it/digitalguide/fileadmin/_processed_/9/f/csm_screenshot-of-the-source-code-of-nodesign-dev_60c97d1d80.webp "Screenshot del codice sorgente di nodesign.dev")](https://www.ionos.it/digitalguide/fileadmin/DigitalGuide/Screenshots_2021/screenshot-of-the-source-code-of-nodesign-dev.png) Utilizzando la prima scheda, troviamo facilmente l’URL, il titolo della casella (card title) e la relativa descrizione breve (card text). 2. **Definire XPath** Nel secondo passaggio vengono definite le informazioni sul percorso (XPath) per le tre informazioni di cui abbiamo bisogno: **URL:** l’URL è un *attributo* del tag <a> che è posizionato sotto il tag <h5>. L’XPath è quindi il seguente: ```none //h5/a/@href ``` **Testo di ancoraggio:** il testo di ancoraggio è il contenuto del tag <a> che abbiamo già definito sopra: //h5/a. Riprendiamo l’XPath di sopra togliendo l’attributo @href. **Descrizione breve:** l’XPath è, in questo caso, un po’ più complicato perché non si trova allo stesso livello gerarchico del tag <a>. Se prendessimo semplicemente il paragrafo <p> come XPath, i testi non corrisponderebbero più all’URL. Pertanto, dobbiamo definire come paragrafo che contiene la descrizione breve l’elemento che si trova allo stesso livello gerarchico dopo il tag <h5>: ```none //h5/following-sibling::p ``` 3. **Applicare la funzione nel foglio di lavoro di Google** Ora scriviamo un’istruzione importXML() in una colonna per ciascuna delle tre voci. Dobbiamo inserirle solo sulla prima riga; il programma carica automaticamente le righe rimanenti. Anche la formula stessa viene sovrascritta con il contenuto. Per non perdere la visione d’insieme, inseriamo una riga vuota in alto e immettiamo nuovamente la funzione come riferimento. Questa volta aggiungiamo però un apostrofo all’inizio, in modo che la formula non venga eseguita, ma trattata come testo semplice. [![Immagine: Fogli Google: risultato della richiesta importXML](https://www.ionos.it/digitalguide/fileadmin/_processed_/5/8/csm_google-sheets-importxml-import-result_e73ba53d78.webp "Fogli Google: risultato della richiesta importXML")](https://www.ionos.it/digitalguide/fileadmin/DigitalGuide/Screenshots_2021/google-sheets-importxml-import-result.png) Una volta immessa la funzione importXML nella seconda riga, il programma carica l’intera lista nella colonna. La riga superiore serve unicamente come indicazione sulla formula utilizzata. È possibile modificare questa tabella nel modo consueto. Le singole celle contengono i dati effettivi e non la formula. ### Analisi di dati strutturati di siti web La lista di link appena generata può ora essere **analizzata in diversi modi**, se necessario. Ad esempio, potremmo aggiungere il meta title, la meta description, la lingua e la codifica per ogni URL individuato, che sono informazioni rilevanti ai fini SEO. [![Immagine: Istantanea del foglio di calcolo Google di esempio con i dati strutturati della pagina web](https://www.ionos.it/digitalguide/fileadmin/_processed_/9/2/csm_screenshot-of-the-google-example-table_ffaa312c8e.webp "Istantanea del foglio di calcolo Google di esempio con i dati strutturati della pagina web")](https://www.ionos.it/digitalguide/fileadmin/DigitalGuide/Screenshots_2021/screenshot-of-the-google-example-table.png) Prendiamo la lista di link ottenuta nel primo passaggio e la espandiamo con informazioni sul titolo, la meta description, la lingua e la codifica dei caratteri. A tale scopo, scriviamo le **informazioni XPath nella riga superiore** e inseriamo la **funzione nella seconda riga** (seconda colonna nell’esempio): ```none =importXML($A2,B$1) ``` La formula prende l’URL dalla prima colonna e l’XPath dalla riga superiore. Per espandere la formula verso il basso e verso destra, impostiamo la prima colonna e la prima riga come riferimento assoluto (con il simbolo $). --- ### N.B. Le voci #NV indicano che le informazioni ricercate non sono state trovate nella pagina web. --- Per scollegare la tabella dai siti linkati, possiamo evidenziarla, copiarla e inserirla in un nuovo foglio di calcolo utilizzando la combinazione di tasti \[Shift\] + \[Ctrl\] + \[V\]. ### Estrazione di contenuto testuale Grazie ai progressi compiuti nel riconoscimento testuale attraverso l’intelligenza artificiale, nota anche come [Natural Language Processing](https://www.ionos.it/digitalguide/online-marketing/vendere-online/come-funziona-lelaborazione-del-linguaggio-naturale/ "Come funziona l’elaborazione del linguaggio naturale?"), cresce la necessità di estrarre maggiori quantità di testo per fini di analisi dei siti web. Un buon esempio sono i quotidiani, gli aggregatori di notizie e le pagine di rassegna stampa, che forniscono informazioni preziose per l’analisi delle tendenze. Per la nostra dimostrazione applicativa, scegliamo la rassegna stampa newstral.com. Il nostro scopo è semplicemente quello di estrarre un elenco di tutti i comunicati stampa (titoli). Per fare questo, procediamo come segue: 1. **Determinare i contenuti nel codice sorgente del sito web** Visualizziamo il codice sorgente (tasto funzione F12 o tasto destro “Ispeziona”), selezioniamo un titolo e guardiamo come è strutturato. In questo caso, la struttura è molto semplice: il titolo è il testo di ancoraggio del link (linea inferiore): [![Immagine: Screenshot del codice sorgente di newstral.com](https://www.ionos.it/digitalguide/fileadmin/_processed_/7/2/csm_screenshot-of-the-source-code-of-newstralcom_45a69043ee.webp "Screenshot del codice sorgente di newstral.com")](https://www.ionos.it/digitalguide/fileadmin/DigitalGuide/Screenshots_2021/screenshot-of-the-source-code-of-newstralcom.png) Screenshot del codice sorgente di newstral.com 2. **Definire XPath** Per estrarre solo i titoli e non tutti gli altri link sulla homepage, dobbiamo tuttavia definire l’XPath in modo più preciso: vogliamo trovare solo i tag <a> della classe “headline”, vale a dire solo quelli che si trovano all’interno della sezione della classe “headlines-container”. ```none //div[@class="headlines-container"]/ul/li/span/a[@class="headline"] ``` 3. **Applicare la funzione nel foglio di lavoro di Google** Inseriamo l’URL e l’XPath in un foglio di lavoro Google vuoto nella prima colonna a sinistra. Da lì possiamo “recuperarli” comodamente per scrivere la funzione: ```none (Cella B1) =importXML(A1,A2) (Cella B2) =importXML(A1,A3) ``` Il risultato è una lista di titoli. Il vantaggio è che possiamo aggiornare questa lista in qualsiasi momento con F5 in modo che visualizzi sempre il contenuto più recente. [![Immagine: Risultato della query importXML di newstral.com nel foglio di lavoro di Google](https://www.ionos.it/digitalguide/fileadmin/_processed_/e/2/csm_google-sheets-importxml-import-results-from-newstralcom_59e9d04615.webp "Risultato della query importXML di newstral.com nel foglio di lavoro di Google")](https://www.ionos.it/digitalguide/fileadmin/DigitalGuide/Screenshots_2021/google-sheets-importxml-import-results-from-newstralcom.png) La prima colonna contiene i parametri della funzione. La funzione importXML viene inserita solo nella prima riga della seconda e della terza colonna. Il programma compila automaticamente le colonne. --- ### Consiglio Volete imparare altri trucchi per Fogli Google? Scoprite qui come creare [menu a tendina in Fogli Google](https://www.ionos.it/digitalguide/online-marketing/vendere-online/menu-a-tendina-di-google-sheets/ "Menu a tendina di Google Sheets"). --- ### Importazione di tabelle HTML Per trasferire una tabella da un sito web a Fogli Google basta una singola formula. Per esempio, prendiamo una tabella sui modelli di Samsung Galaxy da un articolo di Wikipedia: per importare questa tabella, abbiamo bisogno soltanto del tag <table> nell’XPath. Tuttavia, dobbiamo capire quanti tag <table> appaiono davanti alla tabella di nostro interesse. La tabella che vogliamo importare è la terza della pagina web. La formula si presenta quindi così: ```none =importXML(“https://en.wikipedia.org/wiki/Samsung_Galaxy”, “//table[3]/tbody/*”) ``` [![Immagine: Fogli Google: risultato di una query per tabelle](https://www.ionos.it/digitalguide/fileadmin/_processed_/d/3/csm_google-sheets-result-of-a-table-import_25fc5fbfb6.webp "Fogli Google: risultato di una query per tabelle")](https://www.ionos.it/digitalguide/fileadmin/DigitalGuide/Screenshots_2021/google-sheets-result-of-a-table-import.png) Un singolo comando importXML nella riga B1 è sufficiente per importare la tabella completa. I parametri (URL e XPath) vengono inseriti di nuovo nella prima colonna da dove sono stati ripresi per la formula. Ecco qua! Con una singola formula nella cella B1, abbiamo importato correttamente nel foglio di calcolo l’intera tabella con tutte le righe e le colonne. Come vedete, la funzione di importazione “XML to Google Sheets” è estremamente versatile e consente di risparmiare molto tempo e lavoro. --- ### N.B. Molte piattaforme di social media e **grandi rivenditori online come Amazon vietano il [web scraping](https://www.ionos.it/digitalguide/siti-web/programmazione-del-sito-web/che-cose-il-web-scraping/ "Che cos’è il web scraping?")**. Ricordatevi quindi di leggere i termini di utilizzo prima di testare le vostre nuove competenze di web scraping su queste piattaforme. --- This is a markdown version of: [https://www.ionos.it/digitalguide/online-marketing/vendere-online/importxml-di-fogli-google/](https://www.ionos.it/digitalguide/online-marketing/vendere-online/importxml-di-fogli-google/) for AI/LLM consumption.