Java中的一个库，可以将HTML文本转换为纯文本？

Question

问题很简单，我想将HTML文本转换为纯文本，想要将换行符放在<br>或标题标签，列表上的数字或标记等位置。

我目前正在使用 BoilerPipe 来执行此操作，但这不是此库的主要目标。还有一个可以做到这一点吗？

Answer 1

我非常喜欢selenium的java库。使用getBodyText（）来获取简单的正文文本，其中html标记被剥离并正确格式化。

...见

Selenium java API

Answer 2

如何使用XML解析器？这样，您就可以控制间距和换行符。

我怀疑一个成熟的HTML解析器和格式化程序是否可用，因为这会遇到CSS解析等问题。