Vorrei analizzare rapidamente il testo su un sito web (beh ... su un gran numero di siti web, davvero). Questo è possibile nel nuovo Text Explorer di JMP? Posso fornire a JMP una colonna di indirizzi di siti Web e leggere / importare il testo associato su tali siti? (O è solo un sogno?)
loadTextFile (" https://google.com ")
/ *:
"
Otterrai l'HTML per la pagina, non solo il testo. Text Explorer ha qualche regex di esempio che potrebbe aiutarti ad analizzare l'HTML.
Puoi usare queste regex o modificarle per soddisfare le tue esigenze.
Il tokenizer regex utilizza espressioni regolari per suddividere il testo di input in token (parole o unità di testo che si comportano come una parola). Puoi guardare gli esempi di Grabber e Remover per vedere come rimuovere il testo dal flusso di token e come (per esempio) convertire tutte le stringhe di tipo phone in "#phone".
Puoi creare una tabella di contenuti del sito web:
New Table( "content",
Add Rows( 2 ),
New Column( "site",
Character,
"Nominal",
Set Values( {"https://google.com", "https://bing.com"} )
),
New Column( "text", Character, "Nominal", Formula( Load Text File( :site ) ) )
);
Tabella dati con HTML caricato nella colonna formula
