SAS中文论坛

标题: 利用SAS抓取网店的评价数据 [打印本页]

作者: shiyiming 时间: 2014-3-13 07:40
标题: 利用SAS抓取网店的评价数据
sas9.2抓取网页数据时，提示连接不到主机名。但是较低版本sas 9.1确可以，所以本文中的代码均在sas 9.1中测试过：
filename liu url %nrquote('http://item.taobao.com/item.htm?id=16212898717&ali_refid=a3_420432_1006:1102865101:6:%B3%A4%D0%E4%C5%AEt%D0%F4:2ae68475680ece3b1c5018226096ff38&ali_trackid=1_2ae68475680ece3b1c5018226096ff38&spm=a230r.1.14.1.uQXfpl');
此处利用filename抓取网页html代码，但是网页连接中含有%、&这样的宏触发器，所以利用
%nrquote将其隐藏。当然也可以利用%nrstr。注意此处是单引号，不能是双引号。若利用双引号的话，必须是%nrstr。
data aa;
infile liu length=len lrecl=4000 DELIMITER=">";
input record $varying4000.len ;
run;
因为html文件均是以’>‘结尾，所以利用’>‘作为分隔符。
data cc;
set aa;
if _n_=1 then pattern=prxparse("/\d{1,2}\.(\d{2})%/");
retain pattern;
call prxsubstr(pattern,record,start,length);
if start gt 0 then do;
record=substr(record,start,length);
record=compress(record," ");
output;
end;
keep record;
run;
由于淘宝网店中的评价数据均是一个百分数，所以定义整数部分为一位或者两位，小数部分为两位的正则表达式。
从而抓取了网店中的与同行相比的三个指标数据------描述相符、服务态度、发货速度以及好评率指标数据。

转自原帖：http://blog.sina.com.cn/s/blog_8fc24da10101nnx7.html

欢迎光临 SAS中文论坛 (http://www.mysas.net/forum/)