是我从头开始创建html分析器的想法吗？

为了练习我的技能即时编写一个html解析器。我想到的想法：是我从头开始创建html分析器的想法吗？

定义我想通过正则表达式来标记化。
接受一些html作为字符串。
通过html字符串循环。
将有关令牌的信息（如内容和位置）保存为对象。
如果令牌具有另一个令牌，那么该令牌是父令牌的子对象。
完成对象图。
创建适当的获取者和设置者。

你认为这有意义吗？

2017-01-16 Asperger

应该阅读着名的答案[你不能解析HTML与正则表达式]（http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml-self-contained-tags/1732454# 1732454） – charlietfl

HTML规范中的[HTML解析器的描述]（https://html.spec.whatwg.org/multipage/syntax.html#parsing）是基于字符的并使用状态机，所以我会从看着这个灵感。 – Blender

正则表达式不适合用于沉重的HTML解析，例如： regular expressions are a tool that is insufficiently sophisticated to understand the constructs employed by HTML。

最好的办法是使用state machine或tokeniser为基础的实现。

您还可以阅读有关解析HTML5 specification中HTML5的更多信息。

来源

2017-01-16 05:48:36 NJH

虽然我如何标记文本？我不能想到除了一些简单的正则表达式或使用拆分 – Asperger

我只需要定义像白色空间的分隔符 – Asperger

是我从头开始创建html分析器的想法吗？

回答

相关问题