谁能推荐一个好的html parser，除了lucene自带那个！

谁能推荐一个能够解析 html的解释器？解析完html静态页面后，能够提供 getTitle,getSummary,等方法？ htmlparser2.0 不行，提供的方法太少，lucene2.0的有 bug，部分html中的特殊字符无法处理。
总是报错：

DEBUG org.apache.lucene.demo.html.HTMLParserToorg.apache.lucene.demo.html.ParseException: Encountered ">" at line 80, column 19.
Was expecting one of:
    <Quote2Text> ...
    <CloseQuote2> ...
    
	at org.apache.lucene.demo.html.HTMLParser.generateParseException(HTMLParser.java:691)
	at org.apache.lucene.demo.html.HTMLParser.jj_consume_token(HTMLParser.java:569)
	at org.apache.lucene.demo.html.HTMLParser.ArgValue(HTMLParser.java:329)
	at org.apache.lucene.demo.html.HTMLParser.Tag(HTMLParser.java:261)
	at org.apache.lucene.demo.html.HTMLParser.HTMLDocument(HTMLParser.java:189)
	at org.apache.lucene.demo.html.ParserThread.run(ParserThread.java:38)

多谢！一定要有这个 getSummary() 方法！

我也想知道，你用用lucene 2.1中得试试

Nutch里好像有，推荐你国内一个搜索引擎专门讨论网站：
http://www.nutcher.cn/

谈到search，那么结合我们J道大谈Domain Model，推荐一个可以直接搜索内存中Domain Model的、基于Lucene的开源搜索框架Compass:
http://www.opensymphony.com/compass/

TSS上compass讨论：
http://www.theserverside.com/news/thread.tss?thread_id=35679

nekohtml和jtidy，可以试试

多谢回复! nutche以前看过,感觉基本是个不可用的东西,居然再 windows下部署和再Linux下部署差异迥然! 这种东西完全丧失了java的可移植性.所以不考虑了.
您说的 compress 我看了,他的 features 很吸引人,但是目前的稳定版本还没有到 1.0,不知道稳定性如何? 我要对他好好评估一下!