根据java网络编程相关的内容，使用jdk提供的相关类可以得到url对应网页的html页面代码。
针对得到的html代码，通过使用正则表达式即可得到我们想要的内容。
比如，我们如果想得到一个网页上所有包括“java”关键字的文本内容，就可以逐行对网页代码进行正则表达式的匹配。最后达到去除html标签和不相关的内容，只得到包括“java”这个关键字的内容的效果。
从网页上爬取图片的流程和爬取内容的流程基本相同，但是爬取图片的步骤会多一步。
需要先用img标签的正则表达式匹配获取到img标签，再用src属性的正则表达式获取这个img标签中的src属性的图片url，然后再通过缓冲输入流对象读取到这个图片url的图片信息，配合文件输出流将读到的图片信息写入到本地即可。
通过Java代码实现对网页数据进行指定抓取方法步骤如下：1在工程中导入Jsoup.jar包
2获取网址url指定HTML或者文档指定的body
3获取网页中超链接的标题和链接
4获取指定博客文章的内容
5获取网页中超链接的标题和链接的结果
你可以利用jsoup来抓取HTML页面的信息Document doc = Jsoup.parse(input,"UTF-8","http://www.oschina.net/")
Elements links = doc.select("a[href]")// 具有 href 属性的链接
Elements pngs = doc.select("img[src$=.png]")// 所有引用 png 图片的元素
Element masthead = doc.select("div.masthead").first()
// 找出定义了 class=masthead 的元素
Elements resultLinks = doc.select("h3.r >a")// direct a after h3
