用于解析无效HTML的常见LISP软件包？ [关闭

Question

作为一项学习练习，我正在通用LISP中编写网络刮板。 （粗糙）计划是：

1. 利用 QuickLisp 管理依赖
2. 利用 Drakma 加载页面
3. 用 xmls

我刚刚遇到了一个症状：我抓取的网站并不总是会产生有效的XHTML。这意味着步骤3（用XML分析页面）无效。而且我不愿意使用正则表达式 这家伙 :-)

那么，谁能推荐一个通用的LISP软件包来解析无效的XHTML？我想象的是类似的东西 HTML敏捷包 for .net ...

Answer 1

“ CLOSURE-HTML”项目（在QuickLisp中获得）将从Bogus HTML中恢复，并生产一些可以使用的东西。我将闭合HTML与CXML一起处理任意网页，并且效果很好。 http://common-lisp.net/project/closure/closure-html/

Answer 2

对于下一个访客：今天我们有丰满： https://shinmera.github.io/plump

Plump是HTML/XML像文档的解析器，重点是对无效标记的宽容。它可以处理无效属性，不良关闭标签顺序，未编码的实体，不存在标签类型，自关闭标签等的事情。它将文档解析为类表示，并提供了一系列的DOM函数来操纵它。您可以自由地将其更改为解析自己的课程。

和他们我们还有其他LIB来查询文档，例如 lquery （类似jQuery）或 CLS （简单的CSS选择器）由同一作者。

现在，我们也有一些关于普通LISP食谱的教程： https://lispcookbook.github.io/cl-cookbook/web-scraping.html

另请参见Common Lisp Wiki： http://www.cliki.net/web

Answer 3

邓肯（Duncan），到目前为止，我已经成功地在Ubuntu Linux和Windows（7＆XP）下使用了Clozure Common Lisp，因此，如果您正在寻找可以在任何地方使用的实现，则可以尝试使用此功能。