Question

我正在尝试从网站（html）获取信息到MATLAB中。我可以使用以下命令将html从在线变为字符串：

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

一旦我有了字符串，我有一个非常LONG的字符串变量，包含整个html文件内容。从这个变量，我在非常具体的类中寻找值/字符。例如，html / website将有一堆行，然后将以下列形式包含感兴趣的类：

...
<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>
...

我需要能够在<span class="priceSort">和</span>之间获取信息;即上例中的39,991美元和49,999美元。最好的方法是什么？如果标签的具体开头和结尾也是相同的（例如<price>和</price>），我就没有问题......

我还需要知道最强大的方法，因为我希望能够找到<span class="milesSort">以及其他此类信息。谢谢！

Answer 1

试试这个并告诉我们它是否适合您 -

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

Answer 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

希望这有帮助

matlab文本字符串/ html解析

2 个答案: