如何从HTML中去除不重要的空白

我必须比较不同版本的HTML页面的格式和文本更改。不幸的是,创建它们的人/公司使用某种HTML编辑器,每次都重新包装所有的HTML(并添加大量的空白),这使得很难区分它们。因此,我正在寻找一种工具(最好是Java库),它可以以不重要的空间和新行被删除的方式重新格式化我的HTML。

这意味着

<h1>First Headline</h1> <h2>Second headline</h2>

之间的空间 </h1> 和 <h2> 应该移除,但在

<b>formatted</b> <i>text</i>

不能删除空白。我不在乎 <pre> , <textarea> 或 <script> 块,也不是关于可以改变行为的CSS空白属性-我只是在寻找一个能去除大部分不必要空白的解决方案(最好留太多空白而不是太少空白)。

(我已经折叠了多个空格,并在标记前重新添加了换行符而不是空格,以使文本更易读-但是仍然有太多的情况,例如标题或表格单元格/行之间的新行会破坏我的简单“解决方案”。)