如何手写一个 HTML 解析库？

最近需要用 python 写一个 DSL 解析器， DSL 就是一个字典格式，用过 goldendict 的人可能知道，格式与 HTML 很像，解析的方法应该与 HTML 解析器差不多，所以想知道现在比较流行的 HTML 解析器（如 python 的 beautifulsoup 和 java 的 jsoup ）是如何实现这一功能的。查资料只查到了 ply 这个库，是一种 lr parser ，不知道这种方案能不能满足需求，因为我并没有找到用 ply 解析 HTML 的相关例子。

也许看 beautifulsoup 或者 goldendict 的源码可以解决问题，不过在不明白原理的情况下确实很难看懂源码，在网上搜索出来的信息大部分也都是利用相应的库解决，并没有找到自己想要的资料，所以希望能给个关键字或者教程之类的，学习一下，谢谢。

附上一份 dsl 样本： https://github.com/Tvangeste/SampleDSL/blob/master/sample.dsl