Parse invalid HTML by Hpricot

XML parser滿天飛，但能處理不符格式的HTML parser沒幾個，Ruby Cookbook裡有一些說明，用內建的REXML parsing XML，可以用DOM，也可以用SAX，看Cookbook或google一下就有範例code。

Cookbook的《Recipe 11.5. Parsing Invalid Markup》介紹幾個lib，試用後都失敗，無法處理我遇到的invalid HTML，到del.icio.us找了一下，一堆人推Hpricot ，試用後驚為天人，處理速度快又正確，支援XPath或CSS Path的方式索引HTML，可以處理XML和HTML，真是太威了。

以下為官網的說明：

• 安裝說明
• parse HTML
• parse XML

若要觀察XPath或CSS Path的話，可以用firefox的extension：Web Developer ，裝好後按個Ctrl+Shift+Y，把滑鼠移到網頁上會看到該塊的CSS Path。

2007-04-11 Updated

REXML Tutorial