最近呢，有一些童鞋在看了推文一起来揪出网页真实链接！之后发现，这次在和讯网抓取的网页源代码与之前常见的源代码有所不同。那么，针对这样的源代码，应该怎么处理呐？怎样把数据整理成如下所示与和讯网网页表格显示的形式呢？ 

首先，让我们回顾一下在一起来揪出网页真实链接！提到的抓取网页源代码的命令：

clear

cap mkdir E:/爬虫

cd E:/爬虫

copy "http://hkquote.stock.hexun.com/hqzx/restHKStockQuote_new.ashx? type=100&sorttype=0&updown=down&page=1&count=50&input=2&time=171700" temp1.txt, replace

shellout temp1.txt  // shellout是外部命令，需要提前安装哦

网页源代码如下图所示：

   unicode translate temp1.txt,transutf8  

   unicode erasebackups,badidea  

   set obs 1

   gen v = fileread("temp1.txt")  

注意：源代码只有一行情况下可以直接用fileread()函数读入

           di v

发现开头与结尾有我们不需要的信息：

           在此，我们选用了正则表达式来进行快捷地处理：

           replace v = ustrregexra(v, "(.*\[\[)|(\]\].*)", "")

在这里不懂的童鞋可以查看之前的良心推文浅谈正则表达式匹配模式（一）—贪婪模式、浅谈正则表达式匹配模式（二）—懒惰模式，加深对正则表达式的理解哟！

        di v

得到下面的结果：

           split v,p(],[) 

从图中可以发现变量v是我们不需要的，去掉即可；然后将剩余变量转置（行变列）：

          drop v

          sxpose,clear  // sxpose是外部命令，需要安装

        当当当，结果来了：

          现在，我们将每行的数据按照一定分割符分开，并删除无用变量：

          split _var1,p(,)

          drop _var1

         最后，我们开始清洗数据：

        replace _var11 = ustrregexra(_var11, "'", "") 

        replace _var12 = ustrregexra(_var12, "'", "")

        replace _var12 = ustrregexra(_var12, `"\\""', "'")

上述第一、二行命令分别将_var11、_var12里的单引号替换为空，然而你看懂第三行的命令了嘛~~~~火眼金睛-----看这里：

我们发现整理出来的公司名称中有一个“\"”，为了避免这种情况，我们批量进行修改（即执行上述命令），防止其他公司名称出现这种情况，避免单个修改浪费时间。结果如图：

接着修改变量名，将字符型数据转换为数值型数据：

rename (_*) (代码 名称 最新价 开盘价 前收盘 涨跌幅 成交量 最高价 最低价)

destring _all, replace

结果如下图，看惯股票代码形式的童鞋们可能要犯强迫症了！！！股票代码为什么要转成数值型呢？原因就是当你用面板数据做研究时，股票代码作为面板变量的话，需要其是数值型哦~

在这里，小编教你一招，就可以解救你的强迫症啦*_*

format %05.0f 代码  //数值型变量前补0

compress 

到这里，我们的问题就解决啦~

怎么样，你觉得还OK吗？

——我觉得很一般啦~哈哈哈……

对于上面的问题，你有没有更简单，好玩的程序呢？赶快给我们留言吧！！