通过Java提取HTML中两个链接之间的文本

我正在尝试使用Java从ePub文件检索文本数据。ePub文件的文本位于HTML文件中，该文件的格式如下-

<h2 id="pgepubid00001">Chapter I</h2>

<p>Some text</p>
<p>Another line of Text</p>

<br/>

<h2 id="pgepubid00001">Chapter II</h2>

etc..

第一章
一些文本

另一行文字



第二章
等

在打开此文件之前，我已经知道我需要提取的章节id，并且可以找到下一章节的id。因此，我认为一种合乎逻辑的方法是尝试在SAX解析器中解析它，并提取每个段落中的文本，直到到达下一章的链接。但事实证明，这是一项相当艰巨的任务

当然，一切都是动态的，所以没有设置链接等。HTML是半严格格式的，所以我没想到解析会有这么大的问题。有人能推荐一种提取所需文本的好方法吗

---

解决方案只需要JAVA，不能使用其他语言。我希望在安卓设备上实现这一点，好吧，你们知道章节的ID，为什么不使用String.indexOf

start = text.indexOf("<h2 id=\"pgepubid00001\">");
end = text.indexOf("<h2 id=\"pgepubid00002\">");

whatYoureLookingFor = text.substring(start, end-start)

start=text.indexOf（“”）；
end=text.indexOf（“”）；
WhatyYourelookingfor=text.substring（开始，结束-开始）

---

保持简单。

有没有一种直接的方法将HTML取出并放入字符串中？所以您也想删除HTML标记？请尝试String.replaceAll（“]+>”，“”）。无论如何，解析它可能是个好主意。使用jtidy将html转换为有效的xml。实际上，我只是通过InputStream将其加载到字符串中，然后取出html。一旦你给了我这个想法，我就直截了当了！多谢了，老兄，我用这个把头撞到墙上已经有一段时间了，我不知道为什么我以前没有想到：）