用于解析无效 HTML 的 Common Lisp 包？ [关闭]答案

【问题标题】：Common Lisp package for parsing invalid HTML? [closed]用于解析无效 HTML 的 Common Lisp 包？ [关闭]
【发布时间】：2011-06-03 17:58:18
【问题描述】：

作为一个学习练习，我正在用 Common Lisp 编写一个网络爬虫。（粗略的）计划是：

我刚刚遇到了一个症结：我正在抓取的网站并不总是生成有效的 XHTML。这意味着第 3 步（使用 xml 解析页面）不起作用。而且我像this guy 一样不愿意使用正则表达式:-)

那么，谁能推荐一个用于解析无效 XHTML 的 Common Lisp 包？我正在想象类似于 .NET 的 HTML Agility Pack ...

【问题讨论】：

【解决方案1】：

“closure-html”项目（在 Quicklisp 中可用）将从伪造的 HTML 中恢复，并生成您可以使用的东西。我使用closure-html 和CXML 来处理任意网页，效果很好。 http://common-lisp.net/project/closure/closure-html/

【讨论】：

closure-html 似乎在 GNU CLISP 下不起作用——但是（不希望引发一场圣战）看起来转向 SBCL 将是轻松的。我仍然觉得我在 Lisp 荒野中摸索，但至少现在我能听到声音了。希望它们不只是在我的脑海中:-)

【解决方案2】：

对于下一位访客：今天我们有 Plump：https://shinmera.github.io/plump

Plump 是 HTML/XML 类文档的解析器，专注于对无效标记宽容。它可以处理无效属性、错误的结束标签顺序、未编码的实体、不存在的标签类型、自结束标签等。它将文档解析为类表示，并提供一小组 DOM 函数来操作它。不过，您可以随意更改它以解析为您自己的类。

我们还有其他库来查询文档，例如同一作者的lquery（类似jquery）或CLSS（简单的CSS选择器）。

我们现在还有一个关于 Common Lisp Cookbook 的小教程：https://lispcookbook.github.io/cl-cookbook/web-scraping.html

另见 Common Lisp 维基：http://www.cliki.net/Web

【讨论】：

【解决方案3】：

Duncan，到目前为止，我在 Ubuntu Linux 和 Windows（7 和 XP）下都成功使用了 Clozure Common Lisp，所以如果你正在寻找一种可以在任何地方工作的实现，你可以试试这个。

【讨论】：