DOM操作的最佳工具？

Question

我正在研究一個網站刮板，它將彙總來自各個網站的數據。我已經開始使用PHP構建的DOM函數，但在遇到幾個問題（特別是關於格式錯誤的標記和字符編碼）後，我選擇了放棄PHP。我正在考慮服務器端Javascript，但我打開其他建議。如果我使用Javascript，應該使用哪個解釋器？

Answer 1

嘗試過Simple HTML DOM Parser沒有？

Answer 2

Python中有一個很好的BeautifulSoup模塊，可以在大多數情況下處理破碎的標記。如果頁面格式錯誤以至內置啓發式不起作用，它還允許使用鉤子預處理HTML。我用BeautifulSoup編寫了幾十個解析器。

還有html5lib模塊更快，也可以解析無效的HTML。

這兩個模塊都有Ruby端口。