Matlab 文本字符串/html 解析答案

【问题标题】：Matlab text string/html parseMatlab 文本字符串/html 解析
【发布时间】：2014-04-08 09:56:39
【问题描述】：

我正在尝试将信息从网站 (html) 获取到 MATLAB。我可以使用以下方法将 html 从在线获取为字符串：

urlread('http://www.websiteNameHere.com...');

一旦我有了字符串，我就有了一个很长的字符串变量，它包含了整个 html 文件的内容。从这个变量中，我正在寻找非常具体的类中的值/字符。例如，html/website 会有一堆行，然后会有如下形式的感兴趣的类：

...
<h4 class="price">
 <span class="priceSort">$39,991</span>
</h4>
<div class="mileage">
 <span class="milesSort">19,570 mi.</span>
</div>
...
<h4 class="price">
 <span class="priceSort">$49,999</span>
</h4>
<div class="mileage">
 <span class="milesSort">9,000 mi.</span>
</div>
...

我需要能够获取<span class="priceSort"> 和</span> 之间的信息；即上述示例中的 39,991 美元和 49,999 美元。解决此问题的最佳方法是什么？如果标签是特定的开头和结尾也相同（例如<price>和</price>），我就没有问题...

我还需要知道最可靠的方法，因为我也希望能够找到<span class="milesSort"> 和其他此类信息。谢谢！

【问题讨论】：

标签： html regex matlab parsing urlread

【解决方案1】：

试试这个，让我们知道它是否适合你 -

url_data = urlread('http://www.websiteNameHere.com...');

start_string = '<span class="priceSort">'; %// For your next case, edit this to <span class="milesSort">
stop_string = '</span>';

N1 = numel(start_string);
N2 = numel(stop_string);

start_string_ind = strfind(url_data,start_string);
for count1 = 1:numel(start_string_ind)
    relative_stop_string_ind = strfind(url_data(start_string_ind(count1)+N1:end),stop_string);
    string_found_start_ind = start_string_ind(count1)+N1;
    string_found = url_data(string_found_start_ind:string_found_start_ind+relative_stop_string_ind(1)-2);
    disp(string_found);
end

【讨论】：

【解决方案2】：

使用strsplit的简单解决方案

s = urlread('http://www.websiteNameHere.com...');

x = 'class="priceSort">'; %starting string x
y = 'class="milesSort">'; %starting string y
z = '</span>'; %ending string z

s2 = strsplit(s,x); %split for starting string x
s3 = strsplit(s,y); %split for starting string y

result1 = cell(size(s2,2)-1,1); %create cell array 1
result2 = cell(size(s3,2)-1,1); %create cell array 2

%loop through values ignoring first value
%(change ind=2:size(s2,2) to ind=1:size(s2,2) to see why)

%starting string x loop
for ind=2:size(s2,2)
    m = strsplit(s2{1,ind},z);
    result1{ind-1} = m{1,1};
end

%starting string y loop
for ind=2:size(s3,2)
    m = strsplit(s3{1,ind},z);
    result2{ind-1} = m{1,1};
end

希望对你有帮助

【讨论】：