对一连串网页链接，选取特定部分

对一系列网页链接，选取特定部分
从网上爬下来n多网页，以网页链接形式存在，现在需要从中筛选出我需要的一部分，有什么好的算法实现？
------解决方案--------------------
关键字或是网页内部的头、内容关键字
------解决方案--------------------
请求网页抓取数据。需要什么数据格式自己批判啊。 jsoup 看看。