java爬虫的原理主要是通过网络爬虫技术，自动从网页中获取需要的数据。
具体来说，Java爬虫一般分为以下几个步骤：
1.发送HTTP请求：Java爬虫通过发送HTTP请求来访问目标网站，获取需要的数据。在发送请求时，需要设置请求头、请求方法、请求参数等。
2.解析HTML文档：爬虫通过解析HTML文档，获取需要的数据。HTML文档可以通过Java中的Jsoup等工具进行解析。
3.数据处理：获取到的数据需要进行处理，例如清洗、筛选、去重等。
4.存储数据：获取到的数据需要进行持久化存储，可以选择使用数据库或者文件等方式存储数据。
5.定时更新：一般情况下，爬虫需要定期更新数据。可以通过定时任务或者定时器等方式实现定时更新。
爬虫都是基于现有的框架来开发的，基于java语言实现的爬虫框架很多，这里列举一个:WebMagic，它的架构设计参照了Scrapy，应用了HttpClient、Jsoup等Java成熟的工具，包含四个组件(Downloader、PageProcessor、Scheduler、Pipeline)，Spider是WebMagic内部流程的核心，上面的四个组件都相当于Spider的一个属性，通过设置这个属性可以实现不同的功能。
