随着Internet的发展，目前的网络已经是一个巨大的数据存储仓库。Web新闻是现代人们获取信息的重要源泉。但是互联网中的信息与噪音几乎是并存的。为了从这个巨大的数据存储仓库中获得相关的信息，国内外已经做了很多研究。目前通用的抽取网页新闻正文的方法主要有两种：一种是过滤网页中的噪音，另一种是直接定位网页正文内容。在这篇文章中综合使用这两种方法来抽取网页新闻的正文。　　 由于网页自身的特征，每个网页都可以转化为一棵DOM(Document ObjectModel)树。所以对网页的操作可以转化为对树的操作。STM(Simple Tree Matching)算法是计算两个树相似度的传统方法，这里对STM算法进行改进使其可以对共享公共抽取路径的网页进行自动聚类。本文通过网页分块和网页信息化的度量来定位主文本信息的位置。本文的方法可应用在结构化的网页。本文使用自己的算法开发了一个基于在线新闻的正文抽取系统。本文的实验是基于在线的新闻网站，结果也证实这个算法比RTDM(Restricted Top-Down Mapping)算法有效。