解析HTML和提取文本内容

此示例演示如何解析HTML代码并从特定元素中提取文本内容。

解析HTML代码

从URL读取HTML代码//www.tatmou.com/help/textanalytics使用网络阅读.

url ="//www.tatmou.com/help/textanalytics"；代码=网络阅读（url）；

使用htmlTree.

tree=htmlTree（代码）；

查看树的HTML元素名称。

树。的名字

ans=“HTML”

查看树的子元素。孩子们是孩子们的子树树.

树，孩子们

ans = 4×1 htmlTree:Text Analytics Toolbox Documentation




 < DIV class = "头visible-xs visible-sm " id = " header_mobile "翻译=“不”> <导航类= =“导航”“navbar navbar-default”作用> < DIV class = " container-fluid " > < DIV class = "行" > < DIV class = " col-xs-12 " > < DIV class = " navbar-header " > <按钮类=“navbar-toggle topnav_toggle”数据目标= " # topnav_collapse " data-toggle =“崩溃”type = "按钮" > <跨类=“sr-only”>切换主要导航< / SPAN > < SPAN class = "图标菜单" / > < /按钮> < class = " svg_link navbar-brand " href = " //www.tatmou.com?s_tid=gn_logo " > < IMG alt = " MathWorks " class = " mw_logo " src = " /图片/响应全球/ pic-header-mathworks-logo.svg " / > < / > < / DIV > < / DIV > < / DIV > < DIV class = "行visible-xs visible-sm”> < DIVSign…

从HTML树中提取文本

要直接从HTML树中提取文本，请使用提取HtmlText.

str = extractHTMLText(树)

str = "Text Analytics Toolbox™为文本数据的预处理、分析和建模提供了算法和可视化。使用工具箱创建的模型可用于情感分析、预测维护和主题建模等应用程序。文本分析工具箱包括用于处理来自设备日志、新闻源、调查、运营商报告和社交媒体等来源的原始文本的工具。您可以从流行的文件格式中提取文本，预处理原始文本，提取单个单词，将文本转换为数字表示，并构建统计模型。使用机器学习技术，如LSA、LDA和单词嵌入，您可以从高维文本数据集找到聚类并创建特征。文本分析工具箱创建的功能可以与其他数据源的功能相结合，构建利用文本、数字和其他类型数据的机器学习模型。”

查找HTML元素

要查找HTML树中的特定元素，请使用findElement。查找HTML树中的所有超链接。在HTML中，超链接使用“A”标记。

选择器=“一个”；子树=findElement（树，选择器）；

查看前几个子树。

子树（1:20）

ans=20×1 htmlTree:登录//www.tatmou.com/products.html?s_tid=gn_ps“>产品解决方案学术界支持社区活动

从超链接的文本创建一个单词云。

str = extractHTMLText(子树);图wordcloud (str);标题(“超链接”)

获取HTML属性

从HTML树中的段落元素中获取类属性。

子树=findElement（树，“p”)；属性=“类”；str = getAttribute(子树,attr)

str=21×1字符串数组  "add_margin_5"      "category_desc" "category_desc" "category_desc" "category_desc"    "text-center"    "copyright"

使用class从段落元素中包含的文本创建单词云“category_desc”.

子树=findElement（树，“p.category_desc”）;str = extractHTMLText(子树);图wordcloud (str);

另见

提取HtmlText|findElement|getAttribute|htmlTree|tokenizedDocument

文本分析工具箱文档

金宝app

MATLAB中的文本分析入门

现在下载