的大小为50 MB的文件是不是这么大,你不能只加载其内容直接进入MATLAB作为一个字符串,你可以用做功能FILEREAD: :
strContents = fileread('yourfile.html');
假设你有上面的文件格式,则可以再用REGEXP(使用named token capture)的功能解析内容
expr = 'name|prodId|color)>''([^<>]+)''\k>';
tokens = regexp(strContents,expr,'tokens');
tokens = vertcat(tokens{:});
和token使用示例文件内容,内容将是:
tokens =
'name' 'hat'
'prodId' '1829493'
'color' 'cyan'
'name' 'shirt'
'prodId' '193'
'name' 'dress'
'prodId' '18'
'color' 'dark purple'
然后,您可能要分析所生成的n乘2单元阵列,并放置在一个structure array内容与领域'name', 'prodId'和'color'。难点在于不是每个条目都有三个字段。假设每个'name'会后跟一个'prodId',一个'color',或都(顺序'prodId'然后'color'),然后将下面的代码应该为你工作:
s = struct('name',[],'prodId',[],'color',[]); %# Initialize structure
nTokens = size(tokens,1); %# Get number of tokens
nameIndex = find(strcmp(tokens(:,1),'name')); %# Find indices of 'name'
[s(1:numel(nameIndex)).name] = deal(tokens{nameIndex,2}); %# Fill 'name' field
%# Find and fill 'prodId' that follows a 'name':
index = strcmp(tokens(min(nameIndex+1,nTokens),1),'prodId');
[s(index).prodId] = deal(tokens{nameIndex(index)+1,2});
%# Find and fill 'color' that follows a 'name':
index = strcmp(tokens(min(nameIndex+1,nTokens),1),'color');
[s(index).color] = deal(tokens{nameIndex(index)+1,2});
%# Find and fill 'color' that follows a 'prodId':
index = strcmp(tokens(min(nameIndex+2,nTokens),1),'color');
[s(index).color] = deal(tokens{min(nameIndex(index)+2,nTokens),2});
和s内容使用您的示例文件内容将是:
>> s(1)
name: 'hat'
prodId: '1829493'
color: 'cyan'
>> s(2)
name: 'shirt'
prodId: '193'
color: []
>> s(3)
name: 'dress'
prodId: '18'
color: 'dark purple'