得到一个网页的纯文字内容

用htmlparser实现的得到一个网页的纯文本内容,代码如下:

 

public static String getPlainTextFromHTML(String inputHtml){
        StringBuffer text =  new StringBuffer();

        Parser parser=null;
        parser = Parser.createParser(inputHtml,"UTF-8");
        // 遍历所有的节点
        NodeList nodes=null;
  try {
   nodes = parser.extractAllNodesThatMatch(new  NodeFilter() {
       public boolean accept(Node node) {
           return true;
       }
   });
  } catch (ParserException e) {
   e.printStackTrace();
  }
  for(int i=0;i<nodes.size();i++)
  {
        Node node = nodes.elementAt(i);
        text.append(node.toPlainTextString());
  }
        return text.toString();
    }