2009/12/24 Dmitry E. Oboukhov <[email protected]> > 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. > > да, понятно что это невалидный html, но такого пол интернета :( >
Рамблер-почта парсит HTML-письма со всего мира с помощью HTML::Parser (он как раз событийный). Невалидность, которая встречается в письмах, настолько невалидна, что дух захватывает :) Ничего, справляется. Восстановление порядка в таблицах конечно писали сами, но, повторяю, событийные парсеры позволяют делать с семантикой всё что угодно.
-- Moscow.pm mailing list [email protected] | http://moscow.pm.org
