随着网站开发技术的不断进步，拥有网站成了一件非常简单的事情。而利用web信息采集技术，在短时间内生成多个网站，已经成为一部分中国个人网站主获取诸如Google Adsense、百度等广告联盟收入的惯用手段。而web信息采集技术的滥用，带来一系列问题。一方面为互联网增加了更多重复的内容，增大了用户的信息搜索成本和时间；另一方面，信息采集结合伪原创技术所生产的内容，影响到搜索引擎的排名，损害了众多原创网站的根本利益，不利于互联网行业的健康发展。　　 而目前市面上的信息采集器以及伪原创工具，绝大多数为商业软件，没有公开源代码。基于此，文章剖析web信息采集器以及伪原创内容生成原理，并从技术和法律法规的角度，提出一些防范措施来解决上述问题。　　 本文共分为5大部分。第一部分，简述研究背景、研究现状、意义、研究方法、研究内容，以及研究的创新之处；第二部分，是文献综述；第三部分，介绍伪原创技术所需的中文分词等相关内容；第四部分，剖析web信息采集原理、框架构成、伪原刨内容的实现方法，以及对伪原创自动生成系统的评测；第五部分，从技术以及法律法规等角度，提出防范web信息采集的一些策略和方法。