html - DOM是如何解析的？

Question

可能重复：
如果您不应该使用正则表达式来解析 HTML，那么 HTML 解析器是如何编写的？

我的问题很简单：当前的 DOM 解析器如何真正从字符串（XML、HTML 或其他）解析 DOM？

我知道您不应该使用 RegEx 解析 html，但是 DOM 解析器不能使用 RegEx 来匹配打开/关闭标签的模式吗？或者，是否有一个很好的一次性算法将提供的字符串解析为字符数组？

Answer 1

看这个：

• 如果不使用正则表达式，HTML 解析如何工作？

• 解析 HTML 文档：

这是一个很好的例子

Answer 2

好吧，您可以从以下基本方法开始：

http://www.blackbeltcoder.com/Articles/strings/parsing-html-tags-in-c

然后只需扩展它以将所有内容存储到完整的 DOM 树结构中。