对正则表达式非常陌生，还没有找到描述性的解释来缩小我对正则表达式的理解，从而无法找到解决方案。
我使用了一个脚本，该脚本从Yahoo财务中抓取了html脚本，以获取财务期权表数据。雅虎最近更改了他们的HTML代码，旧算法不再起作用。旧的表达如下：
Main_Pattern = '.*?</table><table[^>]*>(.*?)</table';
Tables = regexp(urlText, Main_Pattern, 'tokens');
凡Tables用于返回数据，它不再一样。对HTML进行HTML检查后，我发现数据不再位于中<table>，而是位于<tbody>...中。
我的问题是“Main_Pattern正则表达式对外行而言意味着什么？” 我试图弄清楚如何修改适用于当前HTML的表达式。
我同意@Marcin的观点，并且通过使用和利用所选工具的参考可以最好地学习正则表达式，但我将尽力弄清它的作用。
.*?</table>：匹配不超过第一个</table>文字的任何内容（由于，这是一个惰性表达式?）。
<table：匹配此文字。
[^>]*>：尽可能匹配不是>从<table字面量到>满足表达式其余部分的a的最后一次出现（这是Greedy表达式，因为?后面没有*）之间的匹配。
(.*?)</table：匹配并捕获>从上一部分到</table文字之间的所有内容；捕获的内容可以使用的'tokens'选项进行检索regexp（您也可以使用该选项获取匹配的整个字符串'match'）。
当我将它分解成几部分时，我想强调一下，整个表达式本身就是一个整体，这就是为什么某些部分引用前面的部分的原因。
有关上述内容的详细说明，请参见MATLAB文档的“运算符和字符”部分。
将来，更健壮的选择可能是使用MATLABxmlread和DOM对象遍历表节点。我确实知道这是另一个需要学习的API，但将来可能会更易于维护。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句