java解析以下载的htm

Question

请问htmlparser能否解析以经下载的htm呢，或者请问哪种方法可以解析以下载的htm，如何操作？
我想实现的是将htm中指定标签间的数据（去掉htm代码）显示出来,包括一些拼接操作。例如：
<table>
  <tr>
    <td>
     <p><span>111</span><span>222</span></p>
    </td>
    
    <td>
    ....
    </td>
  </tr>
  
  <tr>
  ...
  </tr>
  
</table>

Answer 1

dom4j,jdom 都可以解析吧，只要符合标准

Answer 2

我看了看决定还是用htmlparser，我想要的操作是我想将span中间为like【java】的一段提取出来（因为前面有数字），数字+【代表新的一个段落像下面3【java】和4【ajax】就属于两个部分。
<p> <span>3【java】 </span>  </p>
<table>
  <tr>
    <td>
    ....
    </td>
 
    <td>
    ....
    </td>
  </tr>
 
  <tr>
  ...
  </tr>
 
</table> 
<p> <span>4【ajax】 </span>  </p>
....
我的疑问是关于filter过滤的使用:
Parser parser;
String body = "";       
parser = new Parser("D:/0105010.htm");  
parser.setEncoding("UTF-8");
HtmlPage htmlpage = new HtmlPage(parser);        
parser.visitAllNodesWith(htmlpage);        
body = htmlpage.getBody().toHtml();   
Parser nodesParser;
NodeList nodeList = null;
NodeList nodeList = null;
nodesParser = Parser.createParser(body, "UTF-8");
NodeFilter textFilter = new NodeClassFilter(TextNode.class);
try{  
    nodeList = nodesParser.parse(textFilter);          
}catch (ParserException e){
    e.printStackTrace();
}
下面我再转换成数组输出，但是这样会输出全部body内容，因为上面已经有了一个NodeFilter过滤，我的想法是设一个boolean 变量，加一个filter判断span，如果是【java】才做上面红色部分，遇到了比他表示数字+1【的形式，当前是3【到了4【时就停止红色部分操作，这个过滤器应该怎么加呢，我想过滤器的代码大致如下。谢谢各位了
NodeFilter filter = new TagNameFilter("span");
NodeList list = parser.extractAllNodesThatMatch(filter);