在互联网技术高速发展的今天,网络已经成为人们工作、学习和生活的重要信息来源。但是海量的网络信息给人们搜索所需的信息带来一定的麻烦。搜索引擎目前是人们在互联网上主要使用的信息检索手段,但是搜索引擎返回的信息仍然是冗余和不准确的。为了提高在互联网上进行信息检索的效率,有必要对网络信息进行提取和集成处理。其中信息提取是数据集成的基础。　　互联网上的信息主要以Web网页的形式存在,针对Web网页的信息提取已经发展出许多方法,由早期手工创建提取器的方法,发展到当前的半自动和自动创建提取器的方法。但这些方法都还存在一些局限性,使得Web信息提取应用于互联网的海量网站有一定的困难。Web信息提取和数据集成系统,仍然未能在实用化程度上达到成熟搜索引擎的高度。因此,网络信息提取仍需要研究适应性更强、准确性更高的自动化创建提取器的方法,和表达能力更强的提取规则表现形式。　　在当前互联网环境下,网页内容十分丰富,网页与客户交互很多,使得网页格式多变,结构复杂,网络信息提取的难度变得更大。　　针对网络环境的这一特点,本文认为网络信息自动提取需要围绕一个重心,即同时提高网络信息提取的准确度和自动化程度,重点解决四个问题:　　1、变化格式下结构相似网页的匹配精度问题;　　2、网络数据中嵌套重复结构的识别问题;　　3、复杂结构网页的模式的表达和自动生成和问题;　　4、高效高精度的提取规则的实现问题。　　围绕上述四个问题,本文深入研究了网络结构特征,提出了由“相似性”拟合“等价性”的思路,解决了这一变换在逻辑上的缺陷,有利于排除网页格式波动对提取算法带来的干扰,提高机器学习的准确度。通过分层剖分网页节点的结构关系,很好地处理了复杂网页结构,尤其是乱序结构下网页模式生成和表达问题。提出基于网页模式全局比较和基于Xpath局部最优的两种提取规则,兼顾了精度和效率。