如果不使用regexp，HTML解析如何工作？
我每天看到很多问题，询问如何解析或从HTML字符串中提取内容，第一个答案/评论始终是“不要使用RegEx解析HTML，以免感到愤怒！”
（有时会省略最后一部分）。
这对我来说很混乱，我一直认为，一般而言，解析任何复杂字符串的最佳方法是使用正则表达式。那么HTML解析器如何工作？它不使用正则表达式进行解析。
使用正则表达式的一个特殊论点是，并不总是存在解析替代方法（例如JavaScript，其中DOMDocument不是普遍可用的选项）。以jQuery为例，使用正则表达式将HTML字符串转换为DOM节点似乎可以很好地进行管理。
不确定是否要继续进行此操作，这是一个真正的问题，我想得到回答，而并不是要成为讨论话题。
问题答案：
通常通过使用令牌处理程序。HTML5规范草案具有用于处理“现实世界HTML”的广泛算法。
-
问题内容： 我在JMeter中使用正则表达式遇到了一些麻烦。我有这种形式的HTML 我需要获取JMeter 中and 的值作为变量。 问题答案： 请改用XPath Extractor 。 如果 必须 使用正则表达式，只需搜索正则表达式标签解析即可。
-
问题内容： 我正在尝试使用jsoup解析HTML。这是我第一次使用jsoup，并且我也阅读了有关它的一些教程。以下是我要解析的HTML表- 如果您看到我的下表，则它现在有3个（我只是为了理解目的将其缩短为3个表行，但总的来说会更多）。现在，我想从我的下表中提取出它的对应信息，例如-我将提取其群集状态及其状态为关闭的所有主机名。 正如你可以看到下面的群集名称，我有两个主机名和其地位，但地位。 因此，
-
正如您在下面看到的集群名称，我有两个主机名和，其中状态为，但状态为。 因此，我将打印作为集群名，并打印作为主机名，因为它已关闭。使用JSOUP可以做到这一点吗？ 到目前为止，我能够使用jsoup提取整个HTML表，但不确定如何提取集群名和主机名- 更新：- 表中可能有两个集群名称，如下所示- 现在，如果您看到上面，我有两个集群名称--一个是，另一个是，所以我想找到所有仅为集群名称关闭的计算机。
-
问题内容： 如何解析HTML / XML并从中提取信息？ 问题答案： 本机XML扩展 我更喜欢使用本机XML扩展]之一，因为它们与PHP捆绑在一起，通常比所有第3方库都快，并为我提供了所需的所有标记控制权。 DOM DOM扩展使您可以使用PHP 5通过DOM API通过XML文档进行操作。它是W3C的Document Object Model Core Level 3的实现，它是一种平台和语言无关
-
问题内容： 这是我必须从中提取值5390.85,5428.15，5376.15和5413.85的HTML源。我想使用jsoup做到这一点。但是我对jsoup比较陌生（今天我开始使用它）。那我该怎么办呢？ 我已经使用jsoup提取了网站的内容。但是如何提取我需要的值？提前致谢 问题答案： 尝试这样的事情： 这是打印输出：-
-
问题内容： 我需要解析（服务器端）大量的HTML页面。 我们都同意，regexp不是行之有效的方法。 在我看来，javascript是解析HTML页面的本机方式，但是这种假设取决于服务器端代码，该代码具有javascript在浏览器内部具有的所有DOM功能。 Node.js是否具有内置的功能？ 有没有更好的方法来解决此问题，请在服务器端解析HTML？ 问题答案： 您可以使用npm模块jsdom和h