jericho HTML Parserを使う。

jericho HTML Parser http://jericho.htmlparser.net/docs/index.html
DownLoad http://sourceforge.net/projects/jerichohtml/files/
JavaDoc http://jericho.htmlparser.net/docs/javadoc/index.html

何といってもjerichoの魅力は不完全な汚いHTMLでも取り出すことが容易な所が好き。
DOMを理解しているなら、基本的にタグから欲しいデータを抽出するので直感的な操作性が魅力的。
もちろんXMLも解析できる。

JavaDocに使いかたは載っているけど、軽く説明。
サンプルソース

//Sourceオブジェクト生成時にアドレス、InputStream等を渡す。

Source html = new Source("http://pop1.info/");
//XMLを相手にするなら下記を記述

//html.fullSequentialParse();
//ページのタイトル名を取得する。

//　

List titleList = html.getAllElements("titile");    //titleタグを全て抽出

if(titleList != null){

    for(Element title: titleList){

        System.out.println(title.getContent().toString());

    }

}
//Link先とテキストコンテンツを取得したい場合
Map links = new HashMap

String url = null;

String text = null;

List linkList = html.getAllElement("a");    //a要素全て取得

if(linkList != null){

    for(Element link: linkList){

        url = link.getAttributeValue("href");        //a要素のhref属性値を取得

        text = link.getTextExtractor().toString();   //html上のテキストとして表現される所を取得

        if(url != null && text != null){

                links.put(new URL(url), text);

        }

        //初期化

        url = null;

        text = null;

    }

}

Element　http://jericho.htmlparser.net/docs/javadoc/net/htmlparser/jericho/Element.html
よほど繊細なデータでない限りは、Elementからのデータ抽出で賄える。
また、XMLとは違い、属性は属性であり、要素ではないと割り切っているので、フレキシブルなXMLを
解析するときにも大変役に立つ。(むしろXMLの方で使うことが多い)