目前的互联网已经发展成为拥有上亿用户和几百万个站点的巨大的分布式信息空间，而且其信息量仍在飞速增加，因此查询网上信息变得日益重要。大多搜索引擎采用的方法是用户提出需要查询内容的关键词，搜索引擎根据关键词确定查寻的内容。由于这种方法不能对网页中较细节的信息进行查询，所以研究人员希望借鉴一些数据库技术进行互联网上信息的查询，因此如何从Web(环球网)页面，特别是从HTML(HyperTextMarkupLanguage：超文本标识语言)文档中抽取有用信息，已经成为基于Web页面的信息检索系统迫切需要解决的问题。基于上述背景，本文做了以下几个方面的工作。 首先，对目前抽取准确度和完整程度最好的EXALG方法进行了深入分析，指出EXALG系统中存在着成对标签不一致，模板中的文字节点出现多个出现向量，等价类识别错误等问题。 其次，提出了一个改进的数据抽取方法，即EXALG+；给出有关定义和抽取流程；提出等价类的近似顺序性和近似嵌套性概念。采取具体的标签技术解决EXALG存在的问题：进行标记的角色区分时，将配对的标签放在一起加以处理；通过合并文字节点，使标签满足系统设定的最小支持度；利用DOM树的路径和等价类的区间位置差异来区分正确等价类；选择加入到与标记相近的等价类中的方法，来处理等价类分割时产生的问题。使用每种标签技术时都给出了实例，并给出了EXALG+算法描述。 最后，利用EXALG作者给出的数据源和实验结果，在添加了部分新的页面实例后，验证EXALG+系统在准确度和完整程度方面的优势；同时对EXALG+系统和现有的其它数据抽取系统在性能方面进行比较，验证了改进方法的有效性和先进性。