Vilken HTML parser använder ni?

Kom ihåg att regexp ibland kan vara helt fel sätt för att parsa data, men här kommer ett exempel (skrivet i Java SE)

PHP:


import java.net.URL;
import java.util.Scanner;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Friskis {
    public static void main(String[] args) throws Exception {
        URL page  = new URL("http://schema.sthlm.friskissvettis.se/index.php?func=la");
        Scanner scanner = new Scanner(page.openStream());

        //Hämta alla "stycken du är intresserad av..
        Pattern pattern = Pattern.compile("<tr id=\"ro_.*?</tr>", Pattern.MULTILINE | Pattern.DOTALL);
        String match = null;
        while ((match = scanner.findWithinHorizon(pattern, 0)) != null) {
            //"Parsa" varje stycke
            parseSection(match);
        }
    }
    
    static Pattern COLUMNS = Pattern.compile(
            "<td class=\"sort_col1\">([^<]+)</td>[^<]+" +
            "<td class=\"sort_col2\">([^<]+)</td>[^<]+" +
            "<td class=\"sort_col3\">([^<]+)</td>[^<]+" +     
            "<td class=\"sort_col4\">([^<]+)</td>");
            
    
    private static void parseSection(String section) {
        Matcher matcher = COLUMNS.matcher(section);
        if (matcher.find()) {
            System.out.println(matcher.group(1));
            System.out.println(matcher.group(2));
            System.out.println(matcher.group(3));
            System.out.println(matcher.group(4));
            System.out.println("");
        }
    }
}


Fick använda php-code-tag istället för code, verkar vara en bugg som gör att jag inte kan använda code-tag runt min källkod.

 

Jo så är det förstås, men vet inte om jag har så många andra alternativ. Om man ska köra med en server som proxy så har jag själv inte så bra koll på annat än Google app engine, och då är man ju hyffsat begränsad i vilka klasser och 3rd party libs man kan använda.

Tack för exemplet, får labba lite med det! :-)

Har förresten också märkt att code-taggen inte verkar gilla < av någon anledning.