Styx
Ну, можешь рассказать мне, как правильно парсить невалидный хтмл:)
Как это делают бедные люди, типа меня? Берётся BeautifulSoup. Он нормально парсит большинство невалидного кода. Всё. У меня пока такого не было, чтоб он не смог.
Вот раньше, когда я ещё изучал пхп (это было лет 10 назад), без регулярок ни один парсер не обходился.

И зря, кстати, такой гон на регекспы. Во-первых, оно давно умеет в нерегулярные языки, во-вторых существуют регекспы здорового человека:)
//Я, конечно, издеваюсь. На самом деле я за монадические парсеры.

Но вообще, по теме есть кому чего добавить?