好的，我们都知道尝试使用 Regex 解析 HTML会招致 Cthulhu 的愤怒。很好。对于为什么不应该这样做，有一些很好的回应。我接受这些，并且不止一次地在问题上发布了这些链接。
但是让我们把这个问题放在以下范围内：除了正则表达式之外，我们别无选择来解析 HTML。为什么？没关系。 但是暂时假设我们的开发人员想对小马托尼失去理智，并尽最大努力完成不可能的事情。如果这让你大吃一惊，那么假设这个问题是理论上的。无论你的船漂浮。只需考虑使用正则表达式解析 HTML 的想法，即使您不应该这样做。
在这里，我们看到了一种不可能做到的主张，至少在完美的情况下是不可能的。但是@NikiC 在它下面有一个非常明智的评论：
这个答案从错误的论点（“因为 HTML 不是常规语言”）中得出了正确的结论（“用正则表达式解析 HTML 是个坏主意”）。现在大多数人说“正则表达式”（PCRE）时所指的东西不仅能够解析上下文无关的语法（实际上这很简单），而且还能够解析上下文相关的语法（参见https://stackoverflow.com/一个/7434814/1222420）
事实是，你可以用现代正则表达式做一些非常强大的事情，即使相当冗长。但是很多人认为这个问题听起来像停止问题：你可以尝试，但总会有另一种情况导致你的解决方案失效。
所以这是一个问题，它有点两部分。
- 是否可以生成完美的正则表达式来解析 HTML？
- 如果是这样，证明是建设性的吗？我们只知道我们可以，还是已经做到了？
- 如果不可能，那么最准确的方法是什么？