Парсинг html кода с использованием регулярных выражений (в частности boost.regex)

Вечер добрый, уважаемые форумчане!
В общем то тема избитая, читал я по ней много, но из темы в тему - только какие то второстепенные вопросы и в основном касающиеся того, как отпарсить тот или иной тег, как отпарсить URL ссылки и т.д. но это не совсем то, что мне надо. Я в парсинге новичок и сравнительно недавно узнал, что делать это можно намного эффективнее и проще с помощью регулярных выражений (до этого изучал старые "добрые" грамматики и автоматы, тонны кода и запарки мозгов), но нигде не смог найти (либо на уставшую голову плохо искал) просто алгоритма построения парсера для html-кода. В моем случае будет дан код страницы с какой-либо статьёй, например с сайтов gazeta.ru или lenta.ru, т.е. есть заголовок <h*></h>, за ним текст статьи и кучку-куча-куча ненужных мне ссылок, менюшек, рекламы, фреймов и прочей лабуды вокруг. Надо вытащить этот самый текст статьи (даже можно оставить его с тегами форматирования внутри, главное сам текст статьи целиком). К сожалению по моим анализам таких кодов - само собой однотипной структуры оформления статей нету, а значит нужно что то более умное, чем поиск самого большого текста в тегах table или tr td. Вот прошу объяснить с нуля (насколько это возможно подробнее для новичка) как выглядит алгоритм построения парсера для решения подобного рода задач (ну или может быть даже для моей). Ну и желательно какой-нибудь пример кода, а то без него будет тяжеловато самому разбираться.

Заранее спасибо, рассчитываю на вашу помощь!)

P.S.: Дело горит, завтра сдавать программу начальнику, так что режим изучения-интегрирования кода в мой проект должен быть уложен в день, был бы признателен, если так все и получилось бы)

P.P.S.: я не прошу готового решения, если могло так показаться, просто прошу максимальной помощи в упрощении моей задачи)

Добавлено через 22 минуты
И да еще: парсинг осуществить надо средствами C++ и как я уже указал использовать регулярки из буста. Ну это не особо то важно откуда регулярки наверное, главное что на "плюсах", а то видал я и на PHP парсинг и много на чем видал) А вот в разделе по С++ не густо такого материала)

0

Спасибо большое за подробно изложенный материал и ссылки, буду изучать и пробывать. Пока что, так как поджимают сроки, то придется воспользоваться самым-самым простым способом, а потом думаю можно будет что нибудь придумать более серьезное)

0