教您最简单粗暴的MATLAB入门级爬虫3

感谢吴老师的《数据新闻与网络数据挖掘》课程

感谢各位捧场的小伙伴们

本文适用对象为编程零基础者

仅供学习交流使用，请勿用于商业用途。

上期回顾

在教您最简单粗暴的MATLAB入门级爬虫2中，我们已经学会了循环结构的基本使用方式，可以实现爬取一页的酒店信息，甚至一个城市的多页酒店信息。但是在翻页的过程中，可能会遇到一个小问题：

打开第一页：

再打开第三页：

即使我们访问的是不同的页面，网址也没有变化：

“http://hotels.ctrip.com/hotel/beijing1#ctm_ref=ctr_hp_sb_lst”

但是若我们直接输入这个网址进行访问，只能获得第一页酒店的信息（感兴趣的可以自己去探究一下）。这里介绍一个寻找每一页所对应的网址的小技巧：

我们可以通过查找“下一页”按钮所链接到的网页，即去源代码中查找网址：

可以看到每一页的网址是：

"http://hotels.ctrip.com/hotel/beijing1/p"

+

“页码”，

例如：

第一页

"http://hotels.ctrip.com/hotel/beijing1/p1"，

第二页

"http://hotels.ctrip.com/hotel/beijing1/p2"

等等。

因此可以编写代码如下：

在实现了大量数据的采集之后，通过代码将数据直接储存至文件中显然是一件更加方便的事情，可以省去我们复制粘贴等重复的机械性操作。

我们普通的输出是将所需要输出的内容写在命令窗口上，那么类比可知，若我们想要将这些内容以文件形式输出，只要打开一个文件并写入至文件中即可。通常使用fopen函数打开文件，fprintf函数写入文件。

这样就可以成功输出文件了

若想使用excel处理数据，则直接通过excel打开beijing.txt，选tab键作为分隔符号，就可轻松导入了。

今日总结

·实现文件输出

·导入excel

至此，基础的MATLAB爬虫操作已经基本介绍完毕了，各位可以自己举一反三，尝试爬取其他网站，或尝试改进成更符合自己需求的爬取方式。也可以试着学习python，感受功能更强大的网络爬虫技术，或学习一些计算机网络和网页编写相关的知识，更好地理解爬虫的原理，也能更轻松地获取数据。

祝各位学习愉快！