从html里面提取文本，只保留br和p

从网上down了很多信息，但是带了一些不需要的table，div等标签，影响显示布局，就批量清理一下，我这里只保留p和br，要保留其他的，稍微修改一下规则就ok了

原理很easy：
1. 换掉所有的script和style
2. '换成''，方便操作数据库，这个不需要可以去掉
3. 把要保留的标签如<br />替换为[--br /--]
4. 替换掉剩下的以“<”开始以“>”结尾的内容
5. 把[--abc--]这类东西换回来，使用反向引用

	/**
	 * description: 只保留br、p标签<br>
	 * 
	 * @return 2010-4-2
	 * @author huxiao [e-mail]
	 */
	public static String clear(String htmlStr) {
		return htmlStr.replaceAll("<script.*</script>", "").replaceAll("<style.*</style>", "").replaceAll("'", "''").replaceAll("<(/?p|br[^>]*)>", "[--$1--]").replaceAll("<[^<>]+>", " ").replaceAll("\\[--([^-]+)--\\]", "<$1>");
	}