John Resig - Pure JavaScript HTML Parser

JavaScript単体で動作するHTMLパーサー。
JavaScript単体で、HTMLをパースしてXMLに変換するデモも公開されています。

次のように、閉じていなかったり、不正なＨＴＭＬを正すことが可能です。
JavaScriptでの実装のため、クライアントサイドでこの処理が可能になります。

例１）
<b>Hello <p>John
↓
<b>Hello </b><p>John</p>

例２）
<a href=">aaa
↓
<a href=""">aaa</a>

HTMLtoDOM関数で、HTMLをDOMに変換することも可能みたい。
JavaScriptでスクレイピングしたりできそうですね。

関連エントリ

• PHPでのスクレイピングに役立つライブラリ色々
• XPath使いのための日本語チートシート