创建我自己的html解析器

Question

我知道this post，我已经阅读过了，但我仍然想知道HTML解析器（可能）使用什么语言？我的意思是，它是用正则表达式解析整个源代码还是使用普通的编程语言，如c＃或python？

除了上面的问题，你还可以向我介绍我应该从哪里开始创建自己的解析器吗？ （我想根据个人需要创建一个html解析器：）

Answer 1

Python，Java和Perl都是学习编写HTML解析器的优秀语言。 Perl对于正则表达式来说非常愉快，但这不是解析器所需要的。用Python或Java编写OO程序更令人愉快。对于非常快速的解析器，C / C ++ / C＃等也很常见。但是，作为一个学习练习，我推荐Python或Java，以便您可以将您的工作与标准解析器进行比较。

Answer 2

标准方法是使用一些Yacc / Lex二重奏; second生成一个将代码拆分为标记的代码，首先构建一个将标记流转换为某个所需结构的代码。

还有一些更诱人的选择Ragel。在这里，您只需编写一个类似于regexp的大型结构，该结构能够匹配整个文件并定义一个钩子，当某个子模式匹配时它将触发。