富文本文案存储翻译方案

一般富文本的功能会有些样式，存储到数据库表里面之后会带上一大堆的标签和样式，底层如果要对这些进行翻译的话会变得非常困难，因为我们要翻译的只是里面的中文内容，这就面临第一个问题，把中文取出来，如果把这个当成一道题，大致会有集中方案：
1、遍历整个内容，判断连续的中文文段，收集起来，
2、利用正则表达式， 获取出特定标签内的内容。

以上两种方式都会面临一个问题，内容取不全，翻译就会不完整，因为不确定正文是否包含正则内的内容。
还有就是代码不好写，要处理各种边界逻辑。
我有一种办法，代码仅需十几行，

首先富文本内容都有一个特点，就是前端能转换成html解析，所以，我们把内容转换成我们能看到的结构，在代码中就是转换成html结构的对象，那什么工具能实现这种效果呢？
JSOUP
废话不多说：

转换成Document对象之后里面的标签都会被解析成该对象的节点，有个类型就是存储的正文内容：TextNode
拿到这个节点之后就能拿到文案内容了。
一个递归即可解决

这样之后termList就是整个富文本中的非标签内容，将其翻译之后在替换回来就完美解决了