Apache Tika获取段落

Question

我必须使用Apache Tika从不同的文件类型提取文本。问题是我必须能够仅提取特定段落。我知道Tika返回元数据中的段落数，但是有没有办法从文本中提取特定段落呢？我尝试将文本解析为XHTML，使用Regex获取

<p>...</p> 

但返回的段落比元数据多。