如何解析DOM？

Question

  

可能重复：
  If you're not supposed to use Regular Expressions to parse HTML, then how are HTML parsers written?

我的问题很简单：当前DOM解析器实际上如何从字符串（XML，HTML或其他）解析DOM？

我知道you shouldn't parse html with RegEx，但DOM解析器无法使用RegEx来匹配打开/关闭标记的模式吗？或者，是否有一个很好的一次性算法可以将提供的字符串解析为字符数组？

Answer 1

看看这个：

• How do HTML parses work if they're not using regexp?

• Parsing HTML documents：

Here is a good Example

Answer 2

嗯，你可以从基本的方法开始：

http://www.blackbeltcoder.com/Articles/strings/parsing-html-tags-in-c

然后展开它以将所有内容存储到完整的DOM树结构中。