将一个htm文件转换成txt文件后，想提取其中的汉字，要怎么实现？？
例如：
<br>
<center>
<table width="93%" border="1" cellpadding="5" style="border-collapse: collapse" cellspacing="0" bordercolor="#EFEFEF">
<tr>
<td colspan="2" width="501" bgcolor="#F7F7F7">
<h5 align="center">成语爱博而情不专详细说明</h5>
<p align="center">成语：<font color="#FF0000">爱博而情不专</font> 拼音：<font color="#FF0000">ài  bó  ér  qíng  bù  zhuān</font> 搜索关键字：<font color="#FF0000">abez</font></td>
</tr>
<tr>
<td width="68" valign="top" align="right" bgcolor="#F7F7F7">
成语解释：</td>
<td width="422">
对人或事物的喜爱很广泛，而感情不能专一。</td>
</tr>
<tr>
<td width="68" valign="top" align="right" bgcolor="#F7F7F7">
成语出处：</td>
<td width="422">
唐·韩愈《与陈给事书》：“夫位益尊则贱者日隔，伺候于门墙者日益进，则爱博而情不专。”</td>
</tr>


想提取：【爱博而情不专】ài  bó  ér  qíng  bù  zhuān⊙abez〖释〗对人或事物的喜爱很广泛，而感情不能专一。〖源唐·韩愈《与陈给事书》：“夫位益尊则贱者日隔，伺候于门墙者日益进，则爱博而情不专。”

望各位大侠帮帮忙！！！！