Java 从文本中删除HTML和XML

我有一系列的文本条目，我试图清除HTML和XML。我使用的是Java Apache Commons StringEscapeUtils，一般来说，如果在字符串s上使用，它们可以很好地处理问题，如：

s = unescapeHtml(s);
s = unescapeXml(s);

但如果我有这样的东西：

    This is text. So is this. <img alt="" height="0" width="0" border="0"style="display:none"
src="http://segment-pixel.invitemedia.com/pixel?code=TechBiz
    &partnerID=167&key=segment"/><img alt="" height="0" width="0" border="0" style="display:none" src="http://pixel.quantserve.com/pixel/p-8bUhLiluj0fAw.gif?labels=pub.28834.rss.TechBiz
    .7020,cat.TechBiz.rss"/>

这是文本。这也是。

apacheutil没有任何效果

有人能推荐一种替代方法吗？

您可以尝试使用：

---

这将剥离所有HTML

谢谢。我试试这个。JavaSwing还有一个javax.Swing.text.html.parser.*；这很有效。

String text = Jsoup.parse(html).text();