Importar dados web para variavel java

[JPN]

Boas.

Estou a tentar fazer um programa muito simples que importe de um determinado site por mim definido todo o texto que se encontra nele (do género importar todo o texto que está em www.sapo.pt ou algo do género).

Abri o netbeans e segundo li numa documentação do java tenho este código:

import java.net.*;
import java.io.*;

class ConnectionTest {
    public static void main(String args[]) {
        try {
            URL site = new URL("http://www.sapo.pt/");
            URLConnection ligacao = site.openConnection();
    DataInputStream dis;
    String inputLine;

    dis = new DataInputStream(ligacao.getInputStream());
            while ((inputLine = dis.readLine()) != null) {
                System.out.println(inputLine);
            }
    dis.close();
        } catch (MalformedURLException me) {
            System.out.println("MalformedURLException: " + me);
        } catch (IOException ioe) {
            System.out.println("IOException: " + ioe);
        }
    }
}

Com este código supostamente ele receberia o conteúdo do site e escreveria o mesmo. No entanto quando executo o programa o resultado é:

IOException: java.net.ConnectException: Connection timed out: connect

Isto dever-se-à a estar a utilizar neste momento proxy ou é outro erro qualquer?

Desde já muito obrigado.

[JPN]

Já testei numa ligação sem proxy e funciona.

Só que neste momento ele retorna o html da página e não o seu texto final. Para retirar os dados que não sejam formatação html talvez a solução passe por ignorar tudo o que esteja dentro de <> correndo o erro de ignorar dados da página (que pode conter <>.

Haverá alguma fora de carregar só o texto sem formatações html ?