如何通过编程检查HTML文档

文字 或者一个带有 . 我需要保留HTML文档中的任何格式(合理地说,尊重<b>标记是必须的,像<span style=“blah”>这样的CSS是很好的选择)。

Document document = new Document( Size.A4, Aspect.PORTRAIT );

document.setFont( "Helvetica", 20, Font.BOLD );
document.insert( "some string" )
document.setBold( true );
document.insert( "A bold string" );

因此(我认为)我需要某种HTML解析器,我可以检查插入到文档中的字符串和样式。

有谁能建议一个好的图书馆或一个合理的方法来解决这个问题?平台是Java