本文由方法和实现两个不同角度给出了一套由全网网络数据源环境中抽取平行句对的方法。从句对挖掘算法角度上,将全网网络数据源分为对照网页和平行网页两种形式进行了网页中的平行文本段的抽取,对照网页部分依次使用基于词典的双语页面过滤和自适应模板匹配的方法进行文本段抽取,该部分达到了81%的召回率,平行网页集合则先根据URL字符串相似匹配获得平行网页对候选,再从配对网页中通过节点匹配方式进行平行文本段的挖掘,该部分数据召回率达到75%。后又通过句子切分和句对齐将平行文本段转为了平行句对,通过本文给出的句对整理方法对结果句对进行整理,并根据自定义的平行句对质量评价算法对句对进行了评分和过滤,最终得到非重复的结果平行句对约660万。该数据由随机抽样进行人工评价,覆盖率超过96%,可用性超过93%。从句对挖掘流程角度上,给出了两种网页集合分别的分布式方案,用于应对算法本身应对大规模数据困难的问题。给出了对照网页的分片处理方法,并给出了平行网页采用的子集分片挖掘方法,提出了可行的应对大规模数据处理及数据增量更新的方案。最终在约75亿网页数据集,进行对照数据部分抽取运行时间约48小时,平行数据部分抽取时间约24小时。本文提出了完整的由对照网页和平行网页两种混合的网络数据源进行平行句对抽取的方法,在实际条件下进行应用,并在可行时间开销内获取结果句对。通过对流程中增量更新的实现,完成了多数据集合并和网络新数据源的抽取问题。所提出的抽取流程支持大规模数据的抽取,同时支持增量更新,保证了该方法实践可用性。最终句对质量评价结果证明最终结果句对可用。