Java之提取html中的文本内容

使用lucene创建索引时，碰到文本是html类型的，但须要的是对其中文本内容进行分析并索引，html标签等应该排除在外，所以应该从html中提取文本内容html 思想以下： 使用jsoup对html文档进行解析，每一个html标签（Element）、文本（TextNode）都抽象成一个Node，每个Node都含有childNodes()方法来枚举其包含的Node，这里经过递归来提取文本内容，对于

>>阅读原文<<