您好，我正在建立一个关于我的图书收藏的事实数据数据库，即标题、页数、宽度、长度、作者、作者出生日期、出版商名称、出版商地址等。为此，我输入 ISBN，然后应用程序从 Web 获取该信息。从我自己定义的几个站点中，我知道其中将包含我需要的所有信息。目前，它是 3 个站点，而且很可能永远不会超过 5 个。在每个网站上，我使用 isbn 作为查询参数 CURL 一个搜索页面，提取搜索页面显示的链接，然后 CURL 这些链接并从中提取上述信息（出生、标题、出版商等）他们。因此，我的抓取范围是 3 x（搜索页面 + 信息页面）= 6 个 HTML 页面。
这些页面都以荒谬的方式呈现相关信息。例如，发布者信息在一个 HTML 标记中包含地址、电话、电子邮件、网站，以 brs 作为分隔符。一些出版商没有这些字段之一，因此它甚至不总是相同数量的 brs。这些站点中的另一个站点包含大部分信息的 lis，但一个字段为 a，另一个字段为 p，另一个字段为 div。ETC...
我已经成功地使用正则表达式提取了我想要的内容，然后使用了 DOM 解析器。最后，使用 DOM 解析器的代码的可读性更差，因为提取信息字段需要更多操作。举个例子：
<li>Né le : 23/12/1990 (ANGLETERRE)</li>
对于男性作者的生日，对于女性作者也可以显示为
<li>Née le : 11/07/1832</li>
使用 DOM 解析器，我需要获取一个 lis 列表，这还不够，因为一些重要信息在 ap、一个 div 和一个 a 中。然后对于每个 li，我需要检查 li 是否包含“Né le”或“Née le”，它是 ifs 或正则表达式 - 检查是否有带括号的出生地，并提取它，它位于至少还有两个操作。使用正则表达式，我可以在一行代码中得到它。
此外，解析器究竟是如何构建的？底层代码是做正则表达式，还是别的什么？如果是这样，我认为在使用解析引擎时，与快速而肮脏的正则表达式相比，性能成本会很高吗？
所以这是我的两个询问，DOM 解析器是如何构建的，它是否带有底层的正则表达式？其次，对于我解析六到十页的非常有限的范围，主要供我个人使用，我不应该追求代码的可读性（和性能取决于第一个问题）吗？
最好的问候，塞巴斯蒂安