在互联网技术蓬勃发展的今天,人们面临着的网络文本信息和资源急剧膨胀,为了快速了解目标信息,需要获取网页中的主要信息,并能够压缩这些信息生成摘要。信息抽取和自动摘要技术作为自然语言处理领域的一个重要的研究分支,可以对海量的信息自动进行提取、重构、内容分析及摘要生成。而这两项技术的目的都是从海量信息中快速发现用户需要的信息。　　 本文研究并改进实现了一种效果较好的网页正文抽取方法,网页正文抽取作为一种具体的信息抽取应用,可以迅速的从新闻文档中识别出网页正文,为更多基于网页正文的文本分析提供更加准确的输入语料。利用链接文本密度和正文特征可以较好抽取普通新闻文档的正文内容,但是对于网页中含有较多链接文本,这些链接文本同时也正文内容的新闻文档,经常会出现误判或者遗漏部分正文内容的问题。本文基于传统的统计和正文特征的方法,改进了权重计算方式,使其正确处理普通新闻文档,也能够适应正文链接较多的新闻文档。该方法主要利用了非锚文本节点密度、全文密度和标点符号这三个因素,重新组合、平衡了它们之间的关系,既利用链接密度的关键作用,又一定程度上减少了其造成的目标信息误判的问题,实验证明该方法更有效,且适用性广。　　 在网页正文抽取的基础工作上,本文对自动文摘的领域应用做了一些尝试性的研究和实现。自动文摘根据文摘和原文的关系分为机械自动文摘和理解型的自动文摘。本文尝试将机械自动文摘应用到对外汉语领域,首先利用中科院的ICTCLAs分词系统对复旦大学的训练语料进行分词,获得了基本词汇库,经过筛选停用词、低频词等词汇,并添加对外汉语领域词汇,获得了一个用于自动摘录的特征词汇库。然后构建原文的空间向量模型,进行词汇权值和句子重要度计算,并按比例抽取办法获得摘要。