使用Apache Tika </li> </ul>进行解析时，忽略了CSS样式和<ul> <li>标记

Question

当我使用AutoDetectParser解析PDF或Word文档时，“li”，“ul”标签被转换为“p”标签。我需要确切的HTML内容，包括PDF或Word文档。

我试过以下几种方式：

ToHTMLContentHandler textHandler = new ToHTMLContentHandler();
Metadata metadata = new Metadata();
Parser parser = new AutoDetectParser();
ParseContext context = new ParseContext();
context.set(HtmlMapper.class, new IdentityHtmlMapper());
parser.parse(in, textHandler, metadata, context);

---

SAXTransformerFactory factory = (SAXTransformerFactory)SAXTransformerFactory.newInstance();
TransformerHandler handler = factory.newTransformerHandler();
handler.getTransformer().setOutputProperty(OutputKeys.METHOD, "html");
handler.getTransformer().setOutputProperty(OutputKeys.INDENT, "no");
handler.getTransformer().setOutputProperty(OutputKeys.ENCODING, "utf-8");
handler.setResult(new StreamResult(writer));
System.out.println(handler.toString());
return handler;

但是“li”标签已被“p”标签替换为类，但在解析的HTML输出中看不到CSS样式。

感谢任何帮助。