據我所知，BeautifulSoup和lxml能夠提取html元素的dom結構。但我想自己做，因爲我需要一個沒有庫存限制的高性能爬蟲。所以有沒有一種「簡單」的方式來提取html元素的DOM結構而不使用Python庫？
是否有一種「簡單」的方式來提取html元素的dom結構而不使用python庫？
我問這是因爲我想通過僅在網站的前端搜索來查找html元素，然後在知道我想要哪個元素之後，我需要此元素的dom路徑。
例如，計算器標誌的此頁面上的DOM路徑是：
html > body.ask-page.new-topbar > div.container > div#header > div#logo > a
HTML是一種上下文無關文法並沒有保證一個給定的HTML響應將是有效的XML明智的（例如，一個清晰的標籤層次結構和一切具有匹配的結束標籤）文檔結構部分由瀏覽器猜測，部分使用特定規則創建，如果標籤全部搞亂而不在層次結構中。
如果你真的想編寫自己的HTML解析庫，你的例子是不限制在一個非常特殊類型的文本要匹配（這樣粗的正則表達式不會幫助），然後再考慮下面的HTML片段，您可以嘗試，並找出了DOM結構：
讓我們開始與<p>猜測：
<p>blah blah
<p>blah blah
<p>blah blah
<p>blah blah <img src="a.jpg"> <!-- where is this image? -->
怎麼樣畸形的結束標記順序？
<a href="test.html"><img src="a.jpg"> <b>this is a cool image </a></b>
如何將錯誤的內容類型嵌套在一起？
<p>blah blah <div class="button"><img src="derp.png"></div></p>
在這個例子中<p>的<div>開始之前被關閉，因爲<p>不接受它flow content。
但是，像美麗的圖書館已經配備瞭解析所有這些可怕的玩意兒和更多。
您需要*東西*實現[HTML5解析器算法]（https://html.spec.whatwg.org/multipage/syntax.html#parsing）。你當然可以* *實現一個自己比Python更高性能的語言，準確地提供你想要的API，然後將其包裝成Python的，但它是一個可怕的很多工作...... – zwol