Matlab正则表达式查询

Question

对正则表达式来说很新，并没有找到一个描述性的解释来缩小我对正则表达式的理解，以便让我找到解决方案。

我使用一个脚本从雅虎财务中删除html脚本以获取财务选项表数据。雅虎最近更改了他们的HTML代码，旧算法不再有效。旧表达如下：

Main_Pattern = '.*?</table><table[^>]*>(.*?)</table';
Tables = regexp(urlText, Main_Pattern, 'tokens');

Tables用于返回数据的位置，不再存在。对HTML的HTML检查告诉我，数据不再在<table>中，而是在<tbody> ...

我的问题是“Main_Pattern正则表达式在外行人的意义上是什么意思？”我正试图想出如何修改该表达式，使其适用于当前的HTML。

Answer 1

虽然我同意@Marcin和正则表达式最好通过做和利用the reference of your chosen tool来学习，但我会尝试分解其正在做的事情。

1. .*?</table>：匹配第一个</table>文字的所有内容（由于?，这是一个懒惰的表达式。）

2. <table：匹配此字面值。

3. [^>]*>：尽可能匹配从>字面值到最后一次出现的满足<table >的{​​{1}} ? *其余的表达式（这是一个贪婪的表达式，因为(.*?)</table之后没有>。

4. </table：匹配并捕获上一部分'tokens'到regexp字面之间的任何内容;可以使用'match'的{​​{1}}选项检索捕获的内容（您还可以使用{{1}}选项获取匹配的整个字符串。）

虽然我把它分成了碎片，但我想强调整个表达本身就是一个整体，这就是为什么有些部分引用了前面的部分。

有关上述内容的更深入说明，请参阅MATLAB文档的Operators and Characters部分。




---

对于未来，更强大的选项可能是使用MATLAB的xmlread和DOM对象来遍历表节点。 我确实理解这是要学习的另一个 API，但对于未来可能更易于维护。