Hallo,
eine Frage an die Profis:wink: HTML ist ja letztendlich eine (XML) Sprache der eine DTD zugrunde liegt. (oder?).
ich muss mir leider was was ähnliches wie ein Browser basteln, der die HTML seiten verstehen kann: was steht z.b. in einem Paragraph Tag was in einem Tag usw…
Mein erster Ansatz war das mit Regular expressions zu machen. Aber bei jeder kleinsten HTML-Unreinheit fliegt das ganze buchstäblich in die Luft. (Falsch verschachtelte Tags…Dann kommt da nur noch Müll raus, auch wenn nur ein einziges Tag Falsch ist…)
Nachdem (X)HTML doch eine DTD zugrunde liegt müsste man das doch auch irgendwie auf XML Basis „parsen“ können. Leider bin ich da absoluter Laie.
Ich wäre super dankbar für irgendwelche Tips / Links die mich da weiterbringen, insbesondere in dieser HTML Geschichte, wie parse ich eine HTML Seite um an die __Inhalte__ ranzukommen?
Wer hat ähnliches schonmal gemacht, mit was muss ich da anfangen, welche Pakete etc gibt es dazu.
Vielen Dank im voraus
Julian