java实现html转txt

/*
 * File: WebFormatter.java
 * Created on 2005-6-24
 * Author: Liao Xuefeng asklxf@163.com
 * Copyright （C） 2005 Liao Xuefeng.
 */
import java.util.*;
import java.text.SimpleDateFormat;

/**
 * Do some format on web display.
 * 
 * @author Xuefeng
 */
public class WebFormatter {

    public static String html2text（String html） {
        StringBuffer sb = new StringBuffer（html.length（））;
        char[] data = html.toCharArray（）;
        int start = 0;
        boolean previousIsPre = false;
        Token token = null;
        for（;;） {
            token = parse（data start previousIsPre）;
            if（token==null）
                break;
            previousIsPre = token.isPreTag（）;
            sb = sb.append（token.getText（））;
            start += token.getLength（）;
        }
        return sb.toString（）;
    }

    private static Token parse（char[] data int start boolean previousIsPre） {
        if（start>=data.length）
            return null;
        // try to read next char:
        char c = data[start];
        if（c==‘<‘） {
            // this is a tag or comment or script:
            int end_index = indexOf（data start+1 ‘>‘）;
            if（end_index==（-1）） {
                // the left is all text!
                return new Token（Token.TOKEN_TEXT data start data.length previousIsPre）;
            }
            String s = new String（data start end_index-start+1）;
            // now we got s=“<...>“:
            if（s.startsWith（““）;
                if（end_comment_index==（-1）） {
                    // illegal end but treat as comment:
                    return new Token（Token.TOKEN_COMMENT data start data.length previousIsPre）;
                }
                else
                    return new Token（Token.TOKEN_COMMENT data start end_comment_index+3 previousIsPre）;
            }
            String s_lowerCase = s.toLowerCase（）;
            if（s_lowerCase.startsWith（“ript“）） { // this is a script:
                int end_script_index = indexOf（data start+1 “ript>“）;
                if（end_script_index==（-1））
                    // illegal end but treat as script:
                    return new Token（Token.TOKEN_script data start data.length previousIsPre）;
                else
                    return new Token（Token.TOKEN_script data start end_script_index+9 previousIsPre）;
            }
            else { // this is a tag:
                return new Token（Token.TOKEN_TAG data start start+s.length（） previousIsPre）;
            }
        }
        // this is a text:
        int next_tag_index = indexOf（data start+1 ‘<‘）;
        if（next_tag_index==（-1））
            return new Token（Token.TOKEN_TEXT data start data.length previousIsPre）;
        return new Token（Token.TOKEN_TEXT data start next_tag_index previousIsP