如何使用Java创建XHTML的基本人类可读纯文本表示？

Question

鉴于一些简单的XHTML，我想创建一个人类可读的纯文本版本。这将涉及删除所有HTML标记，但添加或保留一些空格。

例如，此输入：

<div>
<p>This is some text, some is <b>bold</b>.</p>
<ul>
  <li>Point one</li>
  <li>Point two</li>
</ul>
</div>

会变成：

"This is some text, some is bold. Point one Point two"

（LI之间的逗号是理想的......：）

Answer 1

Jericho HTML Parser。您可以剥离所有标签或调用试图模仿外观的“渲染器”类（例如，您的项目符号列表将被标记）