получение пишет сообщение, который будет отображен пользователю от HTML

Бит случайного, я желаю иметь игру с некоторым материалом обработки естественного языка, и я хотел бы:

Получите весь текст, который будет отображен пользователю в браузере от HTML.

Мой идеальный вывод не имел бы никаких тегов в нем и будет только иметь fullstops (и любая другая пунктуация используемый) и символы новой строки, хотя я могу терпеть довольно разумную сумму отказа в этом (случайный другой материал, заканчивающийся в выводе).

Если бы был способ вставить новую строку или точку в ситуациях, где содержание было вероятно не продвинуться затем, это считали бы добавленной премией. например:

объекты на ул. или теге опций могли быть разделены точками (или быть честными просто проигнорированные).

Я работаю Java, но интересовался бы наблюдением любого кода, который делает это.

Я могу (и быть при необходимости), придумывает что-то, чтобы сделать это, просто задался вопросом, было ли уже что-нибудь там как это, поскольку, вероятно, было бы лучше, чем, что я придумываю днем ;-).

Пример кода, который я мог бы написать, заканчиваю ли я действительно тем, что делал это, состоял бы в том, чтобы использовать синтаксический анализатор SAX, чтобы найти, что содержание в тегах p, чтобы лишить его любого промежутка или сильный и т.д. отмечает, и добавьте точку, если я поразил отделение или другой p не имея fullstop.

Любые указатели или очень приветствующиеся предложения.