诸君安！在往期推文中，我们介绍了Mata的基本用法。因为Mata中的矩阵内存远小于Stata矩阵所占用的内存，因而在处理复杂矩阵时，Mata备受青睐。如果我们想在Stata中处理一个足够长的网页源代码时，命令infix（每一行最多读入50多万的字符）就不能将网页源代码导入Stata，这时候我们就可以考虑将源代码导入Mata，并进行相关的处理分析。如何实现这样的操作呢？今天小编就带着大家一睹为快啦。

我们以平安银行高管任职网页为例，部分网页源代码如下所示：

首先，用到copy命令抓取网页源代码到temp文档中，并进行转码，命令如下：

clear

cd e:/

copy "http://vip.stock.finance.sina.com.cn/corp/go.php/vCI_CorpManager/stockid/000001.phtml" temp.txt, replace

unicode encoding set gb18030

unicode translate temp.txt, transutf8

unicode erasebackups, badidea

接下来，我们将temp文档导入Mata

mata    //进入Mata环境

       file = cat("temp.txt")     //将文件temp读入矩阵file中

       file = select(file, ustrregexm(file,`"</div></td>"'))  //保留矩阵file中含有“</div></td>”的行

       file = select(file, !ustrregexm(file,`"(</strong>)|(^\s*</div></td>$)"'))  //保留file中不含有“</strong>”或者开头是空白字符且结尾是“</div></td>”的行

       file = ustrregexra(file, "\s+|<.*?>", "")   //替换矩阵file中空白字符或者尖括号中的任何内容为空

end

为了让Mata中处理好的数据链接到Stata，我们先在Stata中生成一个字符型的空变量data：

clear

set obs 1000

gen str50 data =""

接着，进入Mata环境，实现Stata与Mata的链接：

mata

st_sview(X=.,.,"data")  //实现Stata与Mata的交互

X[1..rows(file)]=file  //将file的值赋给矩阵X

end

br

cat(): 读入外部.txt文件到Mata矩阵的函数；

select():保留满足条件的行、列或向量的函数

st_sview(): 读取Stata当前内存的字符型数据，并赋给Mata矩阵，st_sview()不返回任何结果,并且当Mata中数据发生变化时，对应的Stata中的数据也发生变化，很好的实现了Mata与Stata的交互。

结果如下：

接着，我们将数据分为高管姓名、高管职位、起始日期和终止日期4列，并删除空白的行：

forvalues j = 1/3 {

       gen data`j' = data[_n + `j']

    }

keep if mod(_n, 4) == 1

rename (data - data3) (姓名 职务 起始日期 终止日期)

drop if name==""

br

结果如下：

 

看不懂的记得戳下方视频哦~

注：此推文中的图片及封面（除操作部分的）均来源于网络！如有雷同纯属巧合！

以上就是今天给大家分享的内容了，说得好就赏个铜板呗！有钱的捧个钱场，有人的捧个人场~。另外，我们开通了苹果手机打赏通道，只要扫描下方的二维码，就可以打赏啦！

应广大粉丝要求，爬虫俱乐部的推文公众号打赏功能可以开发票啦，累计打赏超过1000元我们即可给您开具发票，发票类别为“咨询费”。用心做事，只为做您更贴心的小爬虫。第一批发票已经寄到各位小主的手中，大家快来给小爬虫打赏呀~