没有函数可用MATLAB将读取HTML文件并删除HTML标记。然而,这可以很容易地通过使用正则表达式:
str =' < HTML >我的鲜花< b > < / b > < A HREF = " http://www.a.com " http://www.a.com " < > >布鲁姆在< / > < / HTML >”;
帕特=“< [^ >]* >”;
regexprep (str,帕特,”)
另一种方法不使用正则表达式包含HTML文件扫描,更换
*
和换行符“* BR”标签,以及消除其他标签。附加的例子,fread_html。米,展示了一个可能的解决方案,处理HTML标记的一个子集。
拯救一个html文件的另一种方法没有html格式标记是通过使用ActiveX。下面的代码调用微软Internet Explorer作为一个ActiveX自动化服务器拷贝的文本提供的URL并存储到一个MATLAB变量的文本。
函数str = CopyPasteIE (url);
哈= actxserver (“internetexplorer.application”);
导航(哈,url);
暂停(3);%暂停让页面加载
ha.document.execCommand (“selectall”,”,”);
ha.document.execCommand (“复制”,”,”);
str =剪贴板(“粘贴”);
示例用法:mystr = CopyPasteIE (“http://www.google.com”);
注意:在这个例子中提供的代码是出于演示的目的,并没有彻底地测试。
