html parser

CoLoUrGhOsT

我想tokenizes 一封email.
我现在用 HTMLEditorKit.ParserCallback来除去全部html tag
可是我面对latin characters（eg:&nb sp;,&Eac ute的问题。。。他经过parser后，会变乱码。。。请问有什么办法来recognize这些latin字吗？
或者有更好的parser?还是说我的code有问题？这是我的code:
class Html2Text extends HTMLEditorKit.ParserCallback
{
    StringBuffer s;

    public Html2Text()
    {
   
    }

    public void parse(Reader in) throws IOException
    {
           s = new StringBuffer();
           ParserDelegator delegator = new ParserDelegator();
           delegator.parse(in, this, Boolean.FALSE);
     }

     public void handleText(char[] text, int pos)
     {
           s.append(text);
           s.append("\n";
       }

     public String getText()
     {
          return s.toString();
     }
}
请各位帮帮忙。。。谢谢

[ 本帖最后由 CoLoUrGhOsT 于 18-3-2008 12:16 AM 编辑 ]