Convertir HTML en texte brut en Java

J'ai besoin de convertir le HTML en texte brut. Ma seule exigence de mise en forme est à retenir de nouvelles lignes dans le texte en clair. De nouvelles lignes devraient être affichés non seulement dans le cas de <br> mais d'autres balises, par exemple <tr/>, </p> conduit à une nouvelle ligne de trop.

Exemple de code HTML des pages de test sont les suivantes:

Noter que ce sont uniquement aléatoire Url.

J'ai essayé diverses bibliothèques (JSoup, Javax.swing, Apache utils) mentionnées dans les réponses aux cette question StackOverflow pour convertir HTML en texte brut.

Exemple à l'aide de JSoup:

public class JSoupTest {

 @Test
 public void SimpleParse() {
  try {
   Document doc = Jsoup.connect("http://www.particle.kth.se/~lindsey/JavaCourse/Book/Part1/Java/Chapter09/scannerConsole.html").get();
   System.out.print(doc.text());

  } catch (IOException e) {
   //TODO Auto-generated catch block
   e.printStackTrace();
  }
 }
}

Exemple avec HTMLEditorKit:

import javax.swing.text.html.*;
import javax.swing.text.html.parser.*;

public class Html2Text extends HTMLEditorKit.ParserCallback {
 StringBuffer s;

 public Html2Text() {}

 public void parse(Reader in) throws IOException {
   s = new StringBuffer();
   ParserDelegator delegator = new ParserDelegator();
   //the third parameter is TRUE to ignore charset directive
   delegator.parse(in, this, Boolean.TRUE);
 }

 public void handleText(char[] text, int pos) {
   s.append(text);
 }

 public String getText() {
   return s.toString();
 }

 public static void main (String[] args) {
   try {
     //the HTML to convert
    URL  url = new URL("http://www.javadb.com/write-to-file-using-bufferedwriter");
    URLConnection conn = url.openConnection();
    BufferedReader reader = new BufferedReader(new InputStreamReader(url.openStream()));
    String inputLine;
    String finalContents = "";
    while ((inputLine = reader.readLine()) != null) {
     finalContents += "\n" + inputLine.replace("<br", "\n<br");
    }
    BufferedWriter writer = new BufferedWriter(new FileWriter("samples/testHtml.html"));
    writer.write(finalContents);
    writer.close();

     FileReader in = new FileReader("samples/testHtml.html");
     Html2Text parser = new Html2Text();
     parser.parse(in);
     in.close();
     System.out.println(parser.getText());
   }
   catch (Exception e) {
     e.printStackTrace();
   }
 }
}
Est-il question?
Avez-vous vu les dates? Cette question est plus ancienne que celle qui leur surnommé le double de!
Ouais! Le double question ne s'applique qu'à Android.
JSoup a une bonne solution, voir: stackoverflow.com/a/44064930/381161

OriginalL'auteur brayne | 2010-10-12