我记得Python基本编程这本书里有提到过如何写一个文本解析器的。

Python的Lib中自带有html的解析,HTMLParser我想读这个中能会更容易一点。

解析这些格式和编译原理的语法分析差不多吧。

先做成token，然后在进入状态机，生成解析树什么的。