On Thursday 24 December 2009 12:55:45 Dmitry E. Oboukhov wrote: > A> Есть SAX-подобные парсеры типа HTML::TokeParser. > > ага, попарсь ими например какой-нибудь mailru (где постоянно грешат > незакрытыми тегами) что-то вроде
HTML::TokeParser прекрасно преобразовывает подобный говнокод хоть до xhtml. Потому как логика работы сходна с работой самих браузеров. > 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. А вот regexp-based парсеры, или xml-based могуд грешить подобным Хотя XML::LibXML в режиме восстановления html тоже достаточно неплох -- Mons Anderson aka Vladimir Perepelitsa <[email protected]> / #99779956 / [email protected] -- Moscow.pm mailing list [email protected] | http://moscow.pm.org
