Web信息的急速增长给信息的提取和有效使用带来了巨大挑战,特别是对于众多的企业用户,如何从大量的网站页面中把需要的有用信息提取出来是它们迫切需要解决的问题。本课题是针对这些企业用户开发的基于多用户的Web信息采集系统,它实现了可视化的采集规则设置界面,并以C/S方式把用户的采集任务放在远程服务器上运行,从而减轻了用户在采集规则设置和采集任务维护方面的负担。本课题系统包括客户端和服务器端两部分组成,服务器端包括采集服务器和中心服务器。用户通过客户端进行采集项目设置并把采集项目上传至中心服务器,中心服务器把采集任务分配给采集服务器进行信息采集,采集服务器在采集完成后把采集结果通过Email、Ftp等方式发送给用户。本课题系统构架采用C/S结构和B/S结构相结合的方式,主要使用Python程序语言开发,在客户端使用Javascript和DOM技术实现了采集项目设置的可视化,使用XML-RPC协议同服务器进行通信。在采集服务器端使用Html51ib对页面进行清理,以XPATH的方式对页面信息进行采集、提取,实现了对各类页面(包括一些非标准和HTML5页面)的页面清理、信息提取功能。在中心服务器端使用数据库结合多进程的方式完成采集任务的分发和控制,并利用Django框架完成了一个Web界面的后台管理模块为管理员提供用户账号、采集任务的管理功能。同时在服务器端配置了Cacti对服务器系统状态进行监控,以确保系统的稳定性和可靠性。本课题系统采集规则设置完全可视化,不需要编写脚本,操作简单；采集任务在远程服务器上运行,不需要用户自己维护,可以为用户提供稳定的、持续的信息采集服务。目前系统已完成测试和试运行,试用效果良好,能够为用户提供稳定的采集服务,同时在易用性和运行成本方面与同类软件相比具有优势,适合进行大规模市场推广。