Java 避免将HTML标记索引为搜索关键字

我正在为HTML文档中的关键字编制索引，但我不想为HTML标记编制索引

例如：

不客气 测试文本 预期关键字：

keywords:You

---

如何避免HTML标记成为关键字？

我认为您需要解析HTML并提取每个标记的内部文本。

可能是HTMLStripCharFilter？任何解析器都可用于解析jsp页面？？