На каком языке лучше писать парсеры?

На джаве с нормальной IDE

На нормальной IDE с джавой. /fixed

На чём умеешь на том и нужно писать. Если вдруг, тебе удастся упереться по производительности в что-то кроме скорости сети, ты это что-то можешь переписать всегда на C. Но к этому моменту ты явно прокачаешься, и не будешь задавать странных вопросов.

Пиши на ‘’’ Golang ‘’’

Он сейчас модный и быстрый, и зарплаты высокие!

Чистый С c ассемблерными вставками, же!

Показалось:

[offtop] На каком языке лучше писать высеры парсеры.. [/offtop]

Количество советов парсить регекспами подтверждает инфу о 95% сами знаете кого в любой профессии.

https://github.com/ericchiang/pup
https://stedolan.github.io/jq/

И даже язык программирования не нужен.

Я пишу парсеры на python. Раньше у меня было очень много заказаов на парсинг всего что только можно. python + requests

А насчет php. Язык создан изначально для других целей, поэтому в любом случае будут костыли

Python + request. Выше уже предлагали

Haskell же. Или OCaml, на твой вкус.

И не называй разбор HTML «парсингом»

А в чем отличие разбора (что в переводе на английский будет «parsing») от «парсинга», что непосредственно жаргонизмом от перевода этого слова и является?

flex и bison

В том, что под «парсером» обычно понимают компонент разбора исходного кода, а не web scraper. А процесс разбора, конечно, называется parsing в любом случае, только у HTML (XML) он очень специфический.

Я не понимаю что за ненависть к регэкспам?? А вы уверены что не сложится ситуация когда по другому вычленить данные не получиться?

Я не знаю, попробуй поискать тут.

Вообще, регулярки для текста, для xml и сочувствующих есть более подходящие и правильные инструменты. Если ты думаешь, что это из-за сложности, это не так. Ну хотя я тоже понимаю регулярки только когда их пишу, поэтому стараюсь оставлять рядом комментарий с тем что они должны были разбирать, пока вводные не изменились.

Парсеры для стандартных форматов вообще писать не нужно, они есть готовые. А PHP плох вообще для всего.

+1.

Количество советов парсить регекспами подтверждает инфу о 95% сами знаете кого в любой профессии.

Тссс. Не порть конкурентную среду.

Я пишу парсеры на python. Раньше у меня было очень много заказаов на парсинг всего что только можно.

А потом мне прострелили колено.

Ок, после «правильного» парсинга HTML я получаю текст, из которого мне нужно достать только одно слово/число/символ. Чем я его получу если не регуляркой?

Я не понимаю что за ненависть к регэкспам??

Это неприязнь к тем, кто не умеет выбирать инструмент по назначению.

...данные не получиться?

получится (без мягкого знака)

А оно работает если инпут невалидный?

Если не путаю, симпл депрекейтед и в 7.1+ его надо слегка править. Или ошибаюсь?

Через раз. Вопрос напомнил бородатую цитату

Два раза меня спрашивали: «Скажите, м-р Бэббидж, а если вы введёте в машину неправильные данные, получится ли правильный ответ?». Непостижима та путаница в головах, которая приводит к таким вопросам.

Браузер не падает, когда хтмл невалидный, а твой парсер упадет? Тогда это плохой парсер

хтмл невалидный, а твой парсер упадет?

Если упадёт - делать на регулярках.