【发布时间】：2010-04-29 18:41:19
【问题描述】：
我正在开发一个网络爬虫，它将汇总来自各个网站的数据。我已经开始使用 PHP 的内置 DOM 函数，但在遇到几个问题（尤其是格式错误的标记和字符编码）后，我选择放弃 PHP。我在考虑服务器端 Javascript，但对其他建议持开放态度。如果我使用 Javascript，我应该使用哪个解释器？
【问题讨论】：
标签： javascript dom serverside-javascript
【发布时间】：2010-04-29 18:41:19
【问题描述】：
【讨论】：
有一个出色的 Python 模块 BeautifulSoup 可以在大多数情况下处理损坏的标记。如果页面格式错误以至于其内置的启发式方法不起作用，它还允许使用钩子来预处理 HTML。我用 BeautifulSoup 写了几十个解析器。
还有html5lib 模块，速度更快，也可以解析无效的HTML。
两个模块都有 Ruby 端口。
【讨论】：