在Erlang中编写一个HTML解析器

Question

9

我对Erlang非常陌生，作为我的练习，我想在Erlang中编写一个HTML解析器。我想从网页中提取某些值，可能使用模式来描述要提取的数据。请问有人可以就如何在Erlang中处理此问题给予一些高层次的建议吗？我认为我需要将文档转换为令牌堆栈，可能使用有限状态机来跟踪嵌套和元素中的位置。

- dagda1

2个回答

5

如果您打算做完整的工作，这是一项艰巨的任务。建议您使用Roberto建议的那个，但是如果您决定编写自己的项目以熟悉Erlang，则可以考虑以下建议......

首先，您应该决定是否要手动编写解析器，还是使用leex and yecc从语法生成解析器。如果想学习如何编写惯用Erlang的代码，手工编码可能是更好的学习经验。编写解析器是介绍自己Erlang的绝佳方式; 函数式编程语言擅长实现解析器。

其次，您应该确定是要生成类似DOM的结构还是采用SAX回调模型，即在Erlang中称为behaviour。如果您选择后者，则可以实现行为来创建DOM。

如果您查看行为，您可能还希望了解参数化模块。这是一个实验性特性，可以补充行为，允许在“模块实例”中存储不可变状态。目前尚不清楚社区是否支持此新功能。（对于一些人来说，它看起来太面向对象了）。

另一个绝佳的资源是xmerl代码。请注意如何确定字符编码并相应解析。HTML（各种标准）有所不同，但在读取文件时考虑正确的字符编码非常重要。

此外，从xmerl中，您可以看到该库如何使用Erlang元组构建DOM。您可能希望采用类似的方法。

- dsmith

1

也许我过于草率地建议您研究参数化模块。有很好的理由避免使用它（https://dev59.com/c0zSa4cB1Zd3GeqPjRFM）。 - dsmith

谢谢您的回答，这只是一个学习练习而不是被许多人使用的东西。XMerl是一个很好的资源可以参考。 - dagda1

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Roberto Aloi · Accepted Answer

我建议您看一下Mochiweb中包含的一个。

parse/1 函数可能是你感兴趣的入口点。