Почему / usr / share / dict / words содержит & ldquo; manbird & rdquo; на OSX?

вы можете просто сделать метод с несколькими replaceAll (), подобный

String RemoveTag(String html){
   html = html.replaceAll("\\<.*?>","")
   html = html.replaceAll(" ","");
   html = html.replaceAll("&"."");
   ----------
   ----------
   return html;
}

Используйте эту ссылку для наиболее часто используемых замен: http://tunes.org/wiki/html_20special_20characters_20and_20symbols. html

Это просто, но эффективно. Сначала я использую этот метод, чтобы удалить мусор, но не самую первую строку, т.е. replaceAll ("\ & lt;. *?>", ""), А позже я использую определенные ключевые слова для поиска индексов, а затем использую .substring (start, end), чтобы удалить ненужные вещи. Поскольку это более устойчиво, и вы можете точно указать, что вам нужно на всей странице html.