例子里用到的 org.htmlparser.Parser 是一个html 的解析器，可以在 sourceforge 上下载。

这个例子使用 org.htmlparser.Parser 包来解析一个 html 格式的字符串，要解析的 html 字符串保存在conntentOld 字段里。

解析过程去除了 html 格式里所有标签，并将结果保存在 content 字段里。

注意事项：

1. 需要事先将htmlparser.jar包 放在kettle 的 libext 目录，kettle 在启动时会自动加载libext 目录下的所有 jar 包。

2. modified java script 步骤要选中 compatibility mode，并将 content 设置为输出的字段。

代码如下：

[@more@]var parser = new Packages.org.htmlparser.Parser( contentOld );
var visitor = new Packages.org.htmlparser.visitors.TextExtractingVisitor();
parser.visitAllNodesWith(visitor);
var content = visitor.getExtractedText();