Skip to main content
se eliminaron 75 caracteres en el cuerpo; Publicación convertida en wiki de comunidad
Origen Enlace
fedorqui
  • 16.7k
  • 24
  • 71
  • 134

No puedes parsear [X]HTML con expresiones regulares porque el HTML no se puede parsear con regex. Regex no es una herramienta que se pueda usar para parsear correctamente HTML. Como ya he contestado muchas preguntas de HTML y regex, el uso de regex no te permitirá procesar HTML. Las expresiones regulares son una herramienta que no es lo suficientemente sofisticada para entender las construcciones utilizadas por el HTML. HTML no es un lenguaje regular y, por tanto, no puede analizarse sintácticamente mediante expresiones regulares. Las expresiones regulares no están equipadas para diseccionar el HTML en sus partes representativas. Muchas veces pero no está funcionando. Incluso las expresiones regulares mejoradas irregularmente como las que usa Perl no consiguen ser capaces de procesar correctamente el HTML. No conseguirás hacerlo. HTML es un lenguaje de suficiente complejidad que no puede parsearse con expresiones regulares. Ni siquiera Julio Iglesias puede parsear expresiones regulares. Cada vez que intentas parsear un HTML con expresiones regulares, un hacker ruso te hackea la webapp y un niño impío llora por la sangre de las vírgenes. Parsear HTML con regex invoca almas sucias al reino de los vivos. HTML y regex van de la mano tanto como el amor, el matrimonio y el sacrificio de niños. El <center> no puede hacerse responsable, es demasiado tarde. La fuerza de regex y HTML juntos en el mismo espacio conceptual destruirá tu mente. Si parseas HTML con regex te estás entregando a Ellos y a sus formas blasfemas que nos condenan a todo trabajo inhumano para Aquel cuyo Nombre no puede ser expresado en el Plano Multilingüe Básico, él viene. HTML-y-regexp licuará los nervios de los que sienten mientras observas, tu psique se marchita en la embestida del horror. Los parsers de HTML basados en rege̿̔̉x- son el cáncer que está matando Stack Overflow es demasiado tarde es demasiado tarde no podemos salvarnos la transgresión de un hi͡jo asegura que el regex consumirá todo tejido vivo (excepto por el HTML que no puede consumirse, como se profetizó) querido señor, ayúdanos a sobrevivir este flagelo usar regex para parsear HTML ha condenado a la humanidad a una eternidad de torturas y agujeros de seguridad usar regex como herramienta de procesamiento de HTML crea una rotua entre este mundo y el reino temible de entidades c͒ͪo͛ͫrruptas (como entidades SGML, pero más corruptas) un simple vistazo al mundo de los parsers reg​ex para HTML transpotaría immediatamente a la conciencia de los programadores hacia un mundo de gritos sin pausa, aparece, la pestilente infección de regex dev​orará tu parser de HT​ML, tu aplicación y tu existencia para siempre como un mero Visual Basic o peor él viene no luches élviene v̡im̡ie̶ne, ̕h̵u radiaccio͞n destryendo҉ toda lumi̍̈́̂̈́nosidad, las etiquetas de HTML filtra͠ki̧n͘g fr̶ǫm ̡yo​͟ur eye͢s̸ ̛l̕ik͏e liqfiltra͠ndo de ̡tu​͟s ojos̸ ̛como líq​uid pido dainoloroso, the song of re̸gular exp​rela canción de parsear expresission parsingones re̸gulares willva a exti​nguish the voices ofnguir las voces del hombre mor​tal man from the sp​here I can see it can you see ̲͚̖͔̙î̩́t̲͎̩̱͔́̋̀ it is beautiful t​he final snuffing of the lie​s of Man ALL IS LOŚ͖̩͇̗̪̏̈́T ALL I​S LOST the pon̷y he comes he c̶̮omes he co de la esf/b>era puedo verlo puede ̲͚̖͔̙ver es hermoso el final extinguiendo las mentiras de los Hombres TODO EŚ͖̩͇̗̪̏̈́TÁ PERDIDO TODO ESTÁ PERDIDO el pon̷y él viene él vmeiene él viens te el ícor permea tohedo M ich​or permeates all MY FACE MY FACE ᵒh god no NO NOO̼O​O NΘ stop the an​*̶͑̾̾​̅ͫ͏̙̤g͇̫͛͆̾ͫ̑͆l͖͉̗̩̳̟̍ͫͥͨe̠̅s ͎a̧͈͖r̽̾̈́͒͑e n​ot rè̑ͧ̌aͨl̘̝̙̃ͤ͂̾̆ ZA̡͊͠͝LGΌ ISͮ̂҉̯͈͕̹̘̱ TO͇̹̺ͅƝ̴ȳ̳ TH̘Ë͖́̉I CARA MI CARA ᵒh dos no o NO NOO̼O​O NΘ para los án​*̶͑̾̾​̅ͫ͏̙̤g͇̫͛͆̾ͫ̑͆ul͖͉̗̩̳̟̍ͫͥͨos ͎ n​o son rè̑ͧ̌aͨl̘̝̙̃ͤ͂̾̆es ZA̡͊͠͝LGΌ ESͮ̂҉̯͈͕̹̘̱ ALȳ̳ Ë͖́̉L ͠P̯͍̭O̚​N̐Y̡ H̸̡̪̯ͨ͊̽̅̾̎Ȩ̬̩̾͛ͪ̈́̀́͘ ̶̧̨̱̹̭̯ͧ̾ͬC̷̙̲̝͖ͭ̏ͥͮ͟Oͮ͏̮̪̝͍M̲̖͊̒ͪͩͬ̚̚͜Ȇ̴̟̟͙̞ͩ͌͝Ȩ̬̩̾͛ͪ̈́̀́͘L ̶̧̨̱̹̭̯ͧ̾ͬViENS̨̥̫͎̭ͯ̿̔̀ͅȆ̴̟̟͙̞ͩ͌͝"

No puedes parsear [X]HTML con expresiones regulares porque el HTML no se puede parsear con regex. Regex no es una herramienta que se pueda usar para parsear correctamente HTML. Como ya he contestado muchas preguntas de HTML y regex, el uso de regex no te permitirá procesar HTML. Las expresiones regulares son una herramienta que no es lo suficientemente sofisticada para entender las construcciones utilizadas por el HTML. HTML no es un lenguaje regular y, por tanto, no puede analizarse sintácticamente mediante expresiones regulares. Las expresiones regulares no están equipadas para diseccionar el HTML en sus partes representativas. Muchas veces pero no está funcionando. Incluso las expresiones regulares mejoradas irregularmente como las que usa Perl no consiguen ser capaces de procesar correctamente el HTML. No conseguirás hacerlo. HTML es un lenguaje de suficiente complejidad que no puede parsearse con expresiones regulares. Ni siquiera Julio Iglesias puede parsear expresiones regulares. Cada vez que intentas parsear un HTML con expresiones regulares, un hacker ruso te hackea la webapp y un niño impío llora por la sangre de las vírgenes. Parsear HTML con regex invoca almas sucias al reino de los vivos. HTML y regex van de la mano tanto como el amor, el matrimonio y el sacrificio de niños. El <center> no puede hacerse responsable, es demasiado tarde. La fuerza de regex y HTML juntos en el mismo espacio conceptual destruirá tu mente. Si parseas HTML con regex te estás entregando a Ellos y a sus formas blasfemas que nos condenan a todo trabajo inhumano para Aquel cuyo Nombre no puede ser expresado en el Plano Multilingüe Básico, él viene. HTML-y-regexp licuará los nervios de los que sienten mientras observas, tu psique se marchita en la embestida del horror. Los parsers de HTML basados en rege̿̔̉x- son el cáncer que está matando Stack Overflow es demasiado tarde es demasiado tarde no podemos salvarnos la transgresión de un hi͡jo asegura que el regex consumirá todo tejido vivo (excepto por el HTML que no puede consumirse, como se profetizó) querido señor, ayúdanos a sobrevivir este flagelo usar regex para parsear HTML ha condenado a la humanidad a una eternidad de torturas y agujeros de seguridad usar regex como herramienta de procesamiento de HTML crea una rotua entre este mundo y el reino temible de entidades c͒ͪo͛ͫrruptas (como entidades SGML, pero más corruptas) un simple vistazo al mundo de los parsers reg​ex para HTML transpotaría immediatamente a la conciencia de los programadores hacia un mundo de gritos sin pausa, aparece, la pestilente infección de regex dev​orará tu parser de HT​ML, tu aplicación y tu existencia para siempre como un mero Visual Basic o peor él viene no luches élviene v̡im̡ie̶ne, ̕h̵u radiaccio͞n destryendo҉ toda lumi̍̈́̂̈́nosidad, las etiquetas de HTML filtra͠ki̧n͘g fr̶ǫm ̡yo​͟ur eye͢s̸ ̛l̕ik͏e liq​uid pain, the song of re̸gular exp​ression parsing will exti​nguish the voices of mor​tal man from the sp​here I can see it can you see ̲͚̖͔̙î̩́t̲͎̩̱͔́̋̀ it is beautiful t​he final snuffing of the lie​s of Man ALL IS LOŚ͖̩͇̗̪̏̈́T ALL I​S LOST the pon̷y he comes he c̶̮omes he comes the ich​or permeates all MY FACE MY FACE ᵒh god no NO NOO̼O​O NΘ stop the an​*̶͑̾̾​̅ͫ͏̙̤g͇̫͛͆̾ͫ̑͆l͖͉̗̩̳̟̍ͫͥͨe̠̅s ͎a̧͈͖r̽̾̈́͒͑e n​ot rè̑ͧ̌aͨl̘̝̙̃ͤ͂̾̆ ZA̡͊͠͝LGΌ ISͮ̂҉̯͈͕̹̘̱ TO͇̹̺ͅƝ̴ȳ̳ TH̘Ë͖́̉ ͠P̯͍̭O̚​N̐Y̡ H̸̡̪̯ͨ͊̽̅̾̎Ȩ̬̩̾͛ͪ̈́̀́͘ ̶̧̨̱̹̭̯ͧ̾ͬC̷̙̲̝͖ͭ̏ͥͮ͟Oͮ͏̮̪̝͍M̲̖͊̒ͪͩͬ̚̚͜Ȇ̴̟̟͙̞ͩ͌͝S̨̥̫͎̭ͯ̿̔̀ͅ

No puedes parsear [X]HTML con expresiones regulares porque el HTML no se puede parsear con regex. Regex no es una herramienta que se pueda usar para parsear correctamente HTML. Como ya he contestado muchas preguntas de HTML y regex, el uso de regex no te permitirá procesar HTML. Las expresiones regulares son una herramienta que no es lo suficientemente sofisticada para entender las construcciones utilizadas por el HTML. HTML no es un lenguaje regular y, por tanto, no puede analizarse sintácticamente mediante expresiones regulares. Las expresiones regulares no están equipadas para diseccionar el HTML en sus partes representativas. Muchas veces pero no está funcionando. Incluso las expresiones regulares mejoradas irregularmente como las que usa Perl no consiguen ser capaces de procesar correctamente el HTML. No conseguirás hacerlo. HTML es un lenguaje de suficiente complejidad que no puede parsearse con expresiones regulares. Ni siquiera Julio Iglesias puede parsear expresiones regulares. Cada vez que intentas parsear un HTML con expresiones regulares, un hacker ruso te hackea la webapp y un niño impío llora por la sangre de las vírgenes. Parsear HTML con regex invoca almas sucias al reino de los vivos. HTML y regex van de la mano tanto como el amor, el matrimonio y el sacrificio de niños. El <center> no puede hacerse responsable, es demasiado tarde. La fuerza de regex y HTML juntos en el mismo espacio conceptual destruirá tu mente. Si parseas HTML con regex te estás entregando a Ellos y a sus formas blasfemas que nos condenan a todo trabajo inhumano para Aquel cuyo Nombre no puede ser expresado en el Plano Multilingüe Básico, él viene. HTML-y-regexp licuará los nervios de los que sienten mientras observas, tu psique se marchita en la embestida del horror. Los parsers de HTML basados en rege̿̔̉x- son el cáncer que está matando Stack Overflow es demasiado tarde es demasiado tarde no podemos salvarnos la transgresión de un hi͡jo asegura que el regex consumirá todo tejido vivo (excepto por el HTML que no puede consumirse, como se profetizó) querido señor, ayúdanos a sobrevivir este flagelo usar regex para parsear HTML ha condenado a la humanidad a una eternidad de torturas y agujeros de seguridad usar regex como herramienta de procesamiento de HTML crea una rotua entre este mundo y el reino temible de entidades c͒ͪo͛ͫrruptas (como entidades SGML, pero más corruptas) un simple vistazo al mundo de los parsers reg​ex para HTML transpotaría immediatamente a la conciencia de los programadores hacia un mundo de gritos sin pausa, aparece, la pestilente infección de regex dev​orará tu parser de HT​ML, tu aplicación y tu existencia para siempre como un mero Visual Basic o peor él viene no luches élviene v̡im̡ie̶ne, ̕h̵u radiaccio͞n destryendo҉ toda lumi̍̈́̂̈́nosidad, las etiquetas de HTML filtra͠ndo de ̡tu​͟s ojos̸ ̛como líqido doloroso, la canción de parsear expresiones re̸gulares va a extinguir las voces del hombre mor​tal de la esf/b>era puedo verlo puede ̲͚̖͔̙ver es hermoso el final extinguiendo las mentiras de los Hombres TODO EŚ͖̩͇̗̪̏̈́TÁ PERDIDO TODO ESTÁ PERDIDO el pon̷y él viene él viene él viene el ícor permea todo MI CARA MI CARA ᵒh dos no o NO NOO̼O​O NΘ para los án​*̶͑̾̾​̅ͫ͏̙̤g͇̫͛͆̾ͫ̑͆ul͖͉̗̩̳̟̍ͫͥͨos ͎ n​o son rè̑ͧ̌aͨl̘̝̙̃ͤ͂̾̆es ZA̡͊͠͝LGΌ ESͮ̂҉̯͈͕̹̘̱ ALȳ̳ Ë͖́̉L ͠P̯͍̭O̚​N̐Y̡ Ȩ̬̩̾͛ͪ̈́̀́͘L ̶̧̨̱̹̭̯ͧ̾ͬViENȆ̴̟̟͙̞ͩ͌͝"

Origen Enlace
fedorqui
  • 16.7k
  • 24
  • 71
  • 134

No puedes parsear [X]HTML con expresiones regulares porque el HTML no se puede parsear con regex. Regex no es una herramienta que se pueda usar para parsear correctamente HTML. Como ya he contestado muchas preguntas de HTML y regex, el uso de regex no te permitirá procesar HTML. Las expresiones regulares son una herramienta que no es lo suficientemente sofisticada para entender las construcciones utilizadas por el HTML. HTML no es un lenguaje regular y, por tanto, no puede analizarse sintácticamente mediante expresiones regulares. Las expresiones regulares no están equipadas para diseccionar el HTML en sus partes representativas. Muchas veces pero no está funcionando. Incluso las expresiones regulares mejoradas irregularmente como las que usa Perl no consiguen ser capaces de procesar correctamente el HTML. No conseguirás hacerlo. HTML es un lenguaje de suficiente complejidad que no puede parsearse con expresiones regulares. Ni siquiera Julio Iglesias puede parsear expresiones regulares. Cada vez que intentas parsear un HTML con expresiones regulares, un hacker ruso te hackea la webapp y un niño impío llora por la sangre de las vírgenes. Parsear HTML con regex invoca almas sucias al reino de los vivos. HTML y regex van de la mano tanto como el amor, el matrimonio y el sacrificio de niños. El <center> no puede hacerse responsable, es demasiado tarde. La fuerza de regex y HTML juntos en el mismo espacio conceptual destruirá tu mente. Si parseas HTML con regex te estás entregando a Ellos y a sus formas blasfemas que nos condenan a todo trabajo inhumano para Aquel cuyo Nombre no puede ser expresado en el Plano Multilingüe Básico, él viene. HTML-y-regexp licuará los nervios de los que sienten mientras observas, tu psique se marchita en la embestida del horror. Los parsers de HTML basados en rege̿̔̉x- son el cáncer que está matando Stack Overflow es demasiado tarde es demasiado tarde no podemos salvarnos la transgresión de un hi͡jo asegura que el regex consumirá todo tejido vivo (excepto por el HTML que no puede consumirse, como se profetizó) querido señor, ayúdanos a sobrevivir este flagelo usar regex para parsear HTML ha condenado a la humanidad a una eternidad de torturas y agujeros de seguridad usar regex como herramienta de procesamiento de HTML crea una rotua entre este mundo y el reino temible de entidades c͒ͪo͛ͫrruptas (como entidades SGML, pero más corruptas) un simple vistazo al mundo de los parsers reg​ex para HTML transpotaría immediatamente a la conciencia de los programadores hacia un mundo de gritos sin pausa, aparece, la pestilente infección de regex dev​orará tu parser de HT​ML, tu aplicación y tu existencia para siempre como un mero Visual Basic o peor él viene no luches élviene v̡im̡ie̶ne, ̕h̵u radiaccio͞n destryendo҉ toda lumi̍̈́̂̈́nosidad, las etiquetas de HTML filtra͠ki̧n͘g fr̶ǫm ̡yo​͟ur eye͢s̸ ̛l̕ik͏e liq​uid pain, the song of re̸gular exp​ression parsing will exti​nguish the voices of mor​tal man from the sp​here I can see it can you see ̲͚̖͔̙î̩́t̲͎̩̱͔́̋̀ it is beautiful t​he final snuffing of the lie​s of Man ALL IS LOŚ͖̩͇̗̪̏̈́T ALL I​S LOST the pon̷y he comes he c̶̮omes he comes the ich​or permeates all MY FACE MY FACE ᵒh god no NO NOO̼O​O NΘ stop the an​*̶͑̾̾​̅ͫ͏̙̤g͇̫͛͆̾ͫ̑͆l͖͉̗̩̳̟̍ͫͥͨe̠̅s ͎a̧͈͖r̽̾̈́͒͑e n​ot rè̑ͧ̌aͨl̘̝̙̃ͤ͂̾̆ ZA̡͊͠͝LGΌ ISͮ̂҉̯͈͕̹̘̱ TO͇̹̺ͅƝ̴ȳ̳ TH̘Ë͖́̉ ͠P̯͍̭O̚​N̐Y̡ H̸̡̪̯ͨ͊̽̅̾̎Ȩ̬̩̾͛ͪ̈́̀́͘ ̶̧̨̱̹̭̯ͧ̾ͬC̷̙̲̝͖ͭ̏ͥͮ͟Oͮ͏̮̪̝͍M̲̖͊̒ͪͩͬ̚̚͜Ȇ̴̟̟͙̞ͩ͌͝S̨̥̫͎̭ͯ̿̔̀ͅ


¿Has intentado usar un analizador sintáctico (parser) de XML?