24 декабря 2009 г. 10:55 пользователь Dmitry E. Oboukhov <[email protected]>написал:
> A> Есть SAX-подобные парсеры типа HTML::TokeParser. > > ага, попарсь ими например какой-нибудь mailru (где постоянно грешат > незакрытыми тегами) что-то вроде > > <tr> > <td>jdjdkjk > <td>mlkllk > <tfoot> > <tr> > <td>...</td> > </tr> > </tfoot> > > и получится что когда хотим что-то конкретное выколупывать из сайтов > то парсеры "ломаются" в каком-то конкретном случае и начинают вместо > тега выколупывать еще и соседние. > Если я правильно ошибаюсь, HTML::TokeParser не ломается на невалидном HTML, он очень хорошо понимает, что <td> не может содержать другой <td> первым ребёнком. > > да, понятно что это невалидный html, но такого пол интернета :( > -- > ... mpd playing: Paul Mauriat - Anitra's Dance (E.Grieg) > > . ''`. Dmitry E. Oboukhov > : :’ : email: [email protected] jabber://[email protected] > `. `~’ GPGKey: 1024D / F8E26537 2006-11-21 > `- 1B23 D4F8 8EC0 D902 0555 E438 AB8C 00CF F8E2 6537 > > -----BEGIN PGP SIGNATURE----- > Version: GnuPG v1.4.10 (GNU/Linux) > > iEYEAREDAAYFAkszOqAACgkQq4wAz/jiZTcPGwCgiFZTsYARj5QyAECfWXMjFGIo > skAAnRsG/nBXuSiuuX4ec39kwww0YPcf > =qoEv > -----END PGP SIGNATURE----- > > -- > Moscow.pm mailing list > [email protected] | http://moscow.pm.org > > -- Andrei Protasovitski < andrei[dot]protasovitski[at]gmail[dot]com > Diemen, Netherlands
-- Moscow.pm mailing list [email protected] | http://moscow.pm.org
