[Java] Parser HTML

[carMAN]

Ho un file HTML con del testo e delle immagini e vorrei recuperare da questo file solo il testo senza le immagini e senza i tag html.
Praticamente devo ripulire questo file per recuperare solo e soltanto le informazioni testuali contenute in esso

Conoscete qualche classe java che mi possa aiutare a far ciò...
magari corredata da qualche esempio...

ciao e grazie

[franksisca]

guarad, prendi il file hatml, con uyn flusso in ingresso ti crei una unica stringa, la tokenizzi, e se il token in esame è un tag lo elimini, altrimenti aggiungi ad una stringa finale.Credo che questo sia il modo più semplice.

[carMAN]

ci avevo provato ma non funziona con i tag che presentano attributi:
<td witdh..... id....>
<table id.... >

funziona solo con tag
<table>
</table>
<tr>
</tr>
<td>
</td>

etc...

[franksisca]

Prova a usare come token "<>", e tra un token e l'altro, non memorizzare niente, vedi se risolvi qualcosa.

[VICIUS]

Probabilmente te la cavi facilmente con java.util.regex; e qualche voodoo con le espressioni regolari.

http://java.sun.com/docs/books/tutorial/extra/regex/

prova a vedere se questo fa al caso tuo:

String thisStringHasNoHtml = stringWithHtml.replaceAll("\\<.*?\\>","");

ciao