随着互联网的发展,越来越多的数据通过各个网站发布在互联网上,通过动态生成的网页呈现在用户面前。垂直搜索引擎就是从不同的网站抽取出同一类型的信息,进行整合和后期处理后供用户查询的专业搜索引擎。网页信息结构化抽取是垂直搜索中的关键技术,是垂直搜索引擎后台的关键模块。手工的信息抽取处理虽然简单、技术门槛低,但是由于信息源的多样化和潜在的改版风险,手工处理可能带来巨大的维护成本。本文提出一种基于结构和视觉特征的自动化网页信息抽取技术(WIES代表Web Information Extraction System),主要由两步完成:第一步是网页中的数据记录定位,第二步是数据记录之间的数据对齐和属性抓取。抽取技术把网页的结构化特征和视觉特征结合起来,实现了准确率很高的数据记录定位,同时,利用视觉特征过滤掉多数噪音,减少了定位算法的计算量的同时也提高了定位的精度,同时也增强了处理动态网页的能力。第二步,抽取技术在定位的数据结构上,利用改进后的树形结构对齐算法进行属性的对齐操作,对齐算法不仅健壮性强,而且效率较高,同时在多个网页标签树的对齐算法中,采用了种子树增量更新的策略,减少了多个网页标签树对齐算法中所需的运算次数,保证了算法在复杂的网页中的执行效率,基于增量更新生成的种子标签树可以进一步进行属性的对齐和提取。实验表明,基于以上两个步骤的信息抽取技术自动化程度高,从输入到输出不需要手工介入,同时信息抽取效率高,通过实际网页的测试,其定位和对齐结果都较为准确。