Matlab使用urlread()读取网页乱码问题
事先声明这是本人在网上到的（/2012-05/matlaburlread.html），非原创：
Matlab的urlread()函数可以读取网页，调用语法：
S = urlread('URL','method',PARAMS)
共有三个参数，第一个是网页地址，第二个是get或是post，意思很直白；第三个则是要向网页传递的参数，详细见help文档。本博文的这个问题不是重点。
重点在于，用这个读取中文网页会乱码。例如：S=urlread('sina');
自己去看S的内容，里面凡是应该是中文文字的部分都是问号。
3年前，我写Matlab基础班讲义的时候实际已经把这个问题解决了，但是没有记录下来，这次又遇上同样的问题，一下子记不起来了（翻开当年讲义，看到自己写到“这个问题可以通过手工修改urlread()函数解决”，感到很愤慨，多写一句我就不用费那劳什子的精神了）
废话打住，下面开工修理urlread()函数，让它能够正常搞中文网页（注我用的是2012A版本，其他版本可能有变化）。在Matlab中输入 edit urlread打开函数代码文件。
修改1： 修改第一行的函数定义，本来是三个参数，在最后添加一个。
例如，我修改后：function [output,status] = urlread(urlChar,method,params,webencoding)
在下面添加一句
if nargin<4; webencoding='UTF-8'; end
作用是与修改前的函数调用语法兼容。
修改2： 修改参数数量检验语句，该语句位于文件中偏前部，例如原来是narginchk(1,3)改为narginchk(1,4)
修改3： 修改文件尾部的数据转换语句，它原本是：
output = native2unicode(ByteArray','uint8'),'UTF-8');
用webencoding替换'UTF-8'，注意包括单引号也要替换。
搞定了，然后再读取网页。一般中文网页的网页编码是'GBK'（兼容’GB2312'），调用语法是：
S=urlread('sina','get','','GBK')
这样返回来的文字里面就可以正常显示中文了。
为了方便大家修改，我把改好后的代码和未改的原代码 放在了下一页，就这一点是比原文多的，也是害怕自己忘了。要是嫌麻烦，就把下一页的代码复制粘贴过去，覆盖源代码，不过别忘了把原代码保留一份，免得忘了怎么改回来。
修改后的代码：
function [output,status] = urlread(urlChar,method,params,webencoding)
if nargin<4;
webencoding='UTF-8';
end
%URLREAD Returns the contents of a URL as a string.
% S = URLREAD('URL') reads the content at a URL into a string, S. If the
% server returns binary data, the string will contain garbage.
%
% S = URLREAD('URL','method',PARAMS) passes information to the server as
% part of the request. The 'method' can be 'get', or 'post' and PARAMS is a
% cell array of param/value pairs.
%
% [S,STATUS] = URLREAD(...) catches any errors and returns 1 if the file
% downloaded successfully and 0 otherwise.
%
% Examples:
% s = urlread('www.mathworks')
% s = urlread('ftp://ftp.mathworks/README')
% s = urlread(['file:///' fullfile(prefdir,'history.m')])
%
% From behind a firewall, use the Preferences to set your proxy server.
%
% See also URLWRITE.
% Matthew J. Simoneau, 13-Nov-2001
% Copyright 1984-2008 The MathWorks, Inc.
% $Revision: 1.3.2.10 $ $Date: 2008/10/02 18:59:57 $
% This function requires Java.
if ~usejava('jvm')
error('MATLAB:urlread:NoJvm','URLREAD requires Java.');
end
import com.mathworks.mlwidgets.io.InterruptibleStreamCopier;
% Be sure the proxy settings are set.
com.mathworks.mlwidgets.html.HTMLPrefs.setProxySettings
% Check number of inputs and outputs.
error(nargchk(1,4,nargin))
error(nargoutchk(0,2,nargout))
if ~ischar(urlChar)
error('MATLAB:urlread:InvalidInput','The first input, the URL, must be a character array.');
end
if (nargin > 1) && ~strcmpi(method,'get') && ~strcmpi(method,'post')
error('MATLAB:urlread:InvalidInput','Second argument must be either "get" or "post".');
end
server error啥意思% Do we want to throw errors or catch them?
if nargout == 2
catchErrors = true;
else
catchErrors = false;
end
% Set default outputs.
output = '';
status = 0;
% GET method. Tack param/value to end of URL.
if (nargin > 1) && strcmpi(method,'get')
if mod(length(params),2) == 1
error('MATLAB:urlread:InvalidInput','Invalid parameter/value pair arguments.');
end
for i=1:2:length(params)
if (i == 1), separator = '?'; else separator = '&'; end
param = char(de(params{i}));
value = char(de(params{i+1}));
urlChar = [urlChar separator param '=' value];
end
end
% Create a urlConnection.
[urlConnection,errorid,errormsg] = urlreadwrite(mfilename,urlChar);
if isempty(urlConnection)
if catchErrors, return
else error(errorid,errormsg);
end
end
% POST method. Write param/values to server.
if (nargin > 1) && strcmpi(method,'post')
try
urlConnection.setDoOutput(true);
urlConnection.setRequestProperty( ...
'Content-Type','application/x-www-form-urlencoded');
printStream = java.io.OutputStream);
for i=1:2:length(params)
if (i > 1), printStream.print('&'); end
param = char(de(params{i}));
value = char(de(params{i+1}));
printStream.print([param '=' value]);
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论