学习笔记一

                

             1.Webkit使用两款知名的解析器生成工具：Flex用于创建词法分析器，Bison用于创建解析器 (你也许会看到它们以Lex和Yacc的名字存在)。Flex的输入文件是符号的正则表达式定义，Bison的输入文件是BNF格式的句法定义。

             2.htmlcxx   
    是一款简洁的，非验证式的，用C++编写的css1和html解析器。和其他的几款Html解析器相比，它具有以下的几个特点：
        A：使用由KasperPeeters编写的强大的tree.h库文件，可以实现类似STL的DOM树遍历和导航。
       B：可以通过解析后生成的树，逐字节地重新生成原始文档。
        C：打包好的Css解析器
 htmlcxx下载地址

下表摘自

Beautiful Soup Documentation¶

This table summarizes the advantages and disadvantages of each parser library:
  
  
  
  

   
   
   
    
     
     
     
     
   
   
   
   
   
 
    
 
     
Parser
 
     
Typical usage
 
     
Advantages
 
     
Disadvantages
 
    
 
    
 
     
Python’s html.parser
 
     
BeautifulSoup(markup, "html.parser")
 
     
 
      
 
       
Batteries included
 
       
Decent speed
 
       
Lenient (as of Python 2.7.3 and 3.2.)
 
      
 
     
 
      
 
       
Not very lenient (before Python 2.7.3 or 3.2.2)
 
      
 
    
 
    
 
     
lxml’s HTML parser
 
     
BeautifulSoup(markup, "lxml")
 
     
 
      
 
       
Very fast
 
       
Lenient
 
      
 
     
 
      
 
       
External C dependency
 
      
 
    
 
    
 
     
lxml’s XML parser
 
     
BeautifulSoup(markup, ["lxml", "xml"]) BeautifulSoup(markup,"xml")
 
     
 
      
 
       
Very fast
 
       
The only currently supported XML parser
 
      
 
     
 
      
 
       
External C dependency
 
      
 
    
 
    
 
     
html5lib
 
     
BeautifulSoup(markup, "html5lib")
 
     
 
      
 
       
Extremely lenient
 
       
Parses pages the same way a web browser does
 
       
Creates valid HTML5
 
      
 
     
 
      
 
       
Very slow
 
       
External Python dependency