Internet具有的海量、异构、动态变化等特性使Web信息抽取不同于传统信息抽取,同时带来了新的挑战。首先,面对呈几何级速度增长的巨大的Web信息空间,如何自动高效地处理海量Web信息是Web信息抽取的一个难点。其次,Web页面的异构性使如何在各式各样的Web页面里准确识别所需信息点成为一个较大的难点。最后,Web网站的动态更新使得保持信息抽取的适应性也成为一个有待解决的问题。Web信息抽取承接了传统信息抽取技术研究的成果,其核心是将分散在Internet上的半结构化的HTML页面中的隐含的信息点抽取出来,并以更为结构化、语义更为清晰的形式表示,为用户在Web中查询数据、应用程序直接利用Web中的数据提供便利。本文首先介绍了信息抽取技术及其产生背景和发展历史,分析了信息抽取系统体系结构、信息抽取的分类及信息抽取的关键技术和衡量指标。本文还介绍了ontology的基本知识。在此基础上提出了一种基于语义的信息抽取新方法。在本方法中,我们把信息抽取和ontology结合起来,先利用领域ontology里的概念、关系、关键字等自动生成抽取规则(Rule),然后对文章,句子进行语法分析预处理,再利用语法分析的结果和先前生成的抽取规则一起对文档进行信息抽取,最后把抽取的结果以记录的形式输出。根据上述方法并结合工程实际情况,设计了一个基于语义的信息抽取系统。在本文中,提出了基于语义的信息抽取系统的总体框架、各主要模块的设计,还着重说明了基于语义的信息抽取方法。此外,还对本系统的实现方法,包括各个主要部分的数据结构,流程图等进行了详细的阐述。最后介绍了此系统的运行界面及利用此系统对一些样本进行抽取后的结果并对结果进行了分析。