Estrazione di keywords da html

[alexmizzo]

Salve, per caso siete a conoscenza di una libreria java che, una volta fornito la stringa del codice HTML di una pagina, riesca a far tornare un vettore di stringhe equivalente alle parole chiave trovate in tutto il contenuto? sono ore che giro su google ma non riesco a trovare niente che fa al caso mio.

ho trovato uno script molto bello ma è per php:
http://nadeausoftware.com/articles/2...words_web_page

- aggiunge spazi vuoti alla fine dei tag html per prevenire l'unione di stringhe quando il tag verrà rimosso
- rimuove i tag html
- rimuove i caratteri speciali, numeri, percentuali
- decodifica le lettere in html entities in caratteri normali
- conta la ripetizione delle parole

Ma non riesco a trovare qualche cosa per il java sapete come aiutarmi?
Grazie mille!

[Alex'87]

Originariamente inviato da alexmizzo
Ma non riesco a trovare qualche cosa per il java sapete come aiutarmi?
Grazie mille!

Se ci sia qualche libreria già pronta non lo so ma puoi sfruttare le espressioni regolari e scrivertene una tu :master:

[alexmizzo]

hai perfettamente ragione effettivamente non avevo premesso che non sono molto pratico di java, ho deciso di portare parte della mia applicazione su questo linguaggio per sfruttare i Thread e analizzare centinaia di pagine html nel minor tempo possibile.

Putroppo ho cercato di convertire le espressioni regolari ma quelle più complesse non vanno a buon fine, proverò a caparci qualche cosa.
Grazie per i consigli!