Парсинг html-кода с помощью regexp?

Question

[artr_lr]

Приходят данные в виде строки, которые представляют из себя html-код (довольно большой).
Как из этой строки извлечь содержимое например блока <div class="content"></div> ?
Первое пришедшее решение было типо такого /(<div class="content">)([\s\S]*?)<\/div>/ .
Но оно берёт и сам тэг и не работает если в блоке есть другие блоки-дивы! Идея с ленивыми/жадными квантификаторами как-то не выглядит хорошей. В первом случае будет браться до самого последнего закрывающего дива, во втором до первого же... А как сделать, чтобы учитывались внутренние блоки и не бралась основная обёртка?

Comments

[Rou1997]

Настолько большой, что все готовые библиотеки разбора HTML будут слишком медленно действовать или переполнять память?

Answer 1

[DevMan]

для пасинга html давно придуманы dom-парсеры.

Comments

[artr_lr]

спасибо! уже реализовал задуманное:)

Answer 2

[Roman K]

YOU CAN'T PARSE HTML WITH REGEX

Большие файлы парсятся SAX парсерами. Но реально большие, а не 5мб страничка.