Господа, подскажите пожалуйста, чем можно отпарсить HTML-файл, так чтобы с его иерархическими тегами и свойствами можно было работать аналогично XML? Очень надо бы... можно конечно и вручную но неудобно.

P.S. Ну или хотя бы в виде DOM-дерева получить....

Не поможет, regexp-пом можно только небольшие целевые куски извлекать, полностью распарсить DOM-дерево не получится. Это в любом факе по парсингу можно прочитать. Да я и сам понимаю что не получится, я умею пользоваться регулярными выражениями и имею представление о dom-дереве. HTML ведь не XML, в нем намного меньше строгостей.

В общем выкладываю то что получилось, возможно кому-то еще пригодится.

В архиве 3 файла: сама обработка, svg-файл который я парсил (по сути тот же html, точнее его расширение), и файл с выведенными результатами парсинга.

Обработка открывает svg, парсит его в иерархическую ТЗ, ну и до кучи выводит в текстовый файл с отступами для наглядности процесса. Строки исходного файла чистятся от лишних пробелов и переводов строк, поэтому стало работать помедленнее (мне это нужно, кому не нужно сам уберет).

Дальше уж дорабатывайте как хотите, мне это для проекта надо было - вывожу сложную векторную схему рынка в 1С, с интерактивностью и связыванием блоков-мест с данными контрагентов (условия договора, взаиморасчеты). Можете ее даже открыть/посмотреть в IE9 или FireFox (ну или с плагином Adobe SVG Viewer). Правда эта сырец, в 1С уже преобразованная пойдет, для чего парсер и нужен был.