利用SAS抓取网店的评价数据

shiyiming

        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