java 使用正则表达式从网页上提取网站标题

如何从网页上抓取有价值的东西？看懂了下面的程序(非常简单)，想从网页上抓取什么信息(标题、内容、Email、价格等)就能抓取什么信息。

package catchhtml;

import java.io.BufferedReader;

import java.io.IOException;

import java.io.InputStreamReader;

import java.net.MalformedURLException;

import java.net.URL;

import java.util.ArrayList;

import java.util.List;

import java.util.regex.Matcher;

import java.util.regex.Pattern;

public class GetHtmlTitle {

    public GetHtmlTitle(String htmlUrl){

        System.out.println("/n------------开始读取网页(" + htmlUrl + ")-----------");

        String htmlSource = "";

        htmlSource = getHtmlSource(htmlUrl);//获取htmlUrl网址网页的源码

        System.out.println("------------读取网页(" + htmlUrl + ")结束-----------/n");

        System.out.println("------------分析(" + htmlUrl + ")结果如下-----------/n");

        String title = getTitle(htmlSource);

        System.out.println("网站标题： " + title);

    }

    /**

     * 根据网址返回网页的源码

     * @param htmlUrl

     * @return

     */

    public String getHtmlSource(String htmlUrl){

        URL url;

        StringBuffer sb = new StringBuffer();

        try{

            url = new URL(htmlUrl);

            BufferedReader in = new BufferedReader(new InputStreamReader(url.openStream(), "UTF-8"));//读取网页全部内容

            String temp;

            while ((temp = in.readLine()) != null)

            {

                sb.append(temp);

            }

            in.close();

        }catch (MalformedURLException e) {

            System.out.println("你输入的URL格式有问题！请仔细输入");

        }catch (IOException e) {

            e.printStackTrace();

        }

        return sb.toString();

    }

    /**

     * 从html源码(字符串)中去掉标题

     * @param htmlSource

     * @return

     */

    public String getTitle(String htmlSource){

        List<String> list = new ArrayList<String>();

        String title = "";

        //Pattern pa = Pattern.compile("<title>.*?</title>", Pattern.CANON_EQ);也可以

        Pattern pa = Pattern.compile("<title>.*?</title>");//源码中标题正则表达式

        Matcher ma = pa.matcher(htmlSource);

        while (ma.find())//寻找符合el的字串

        {

            list.add(ma.group());//将符合el的字串加入到list中

        }

        for (int i = 0; i < list.size(); i++)

        {

            title = title + list.get(i);

        }

        return outTag(title);

    }

    /**

     * 去掉html源码中的标签

     * @param s

     * @return

     */

    public String outTag(String s)

    {

        return s.replaceAll("<.*?>", "");

    }

    public static void main(String[] args) {

        String htmlUrl = "http://www.157buy.com";

        new GetHtmlTitle(htmlUrl);

    }

}