随着互联网技术的迅猛发展以及越来越多的网页被发布,海量的信息以电子文档的形式出现在我们面前。为了及时应对信息大爆炸所带来的严重挑战,人们迫切需要借助一些自动化的工具从海量的信息源中去粗取精,去伪存真,迅速找到自己需要的有价值信息。信息抽取技术正是在这种背景下产生出来的。该技术原来的目标是从自然语言文档中找到特定的信息,是自然语言处理领域的一个重要分支。包装器是一种广泛应用的信息抽取技术,利用它人们可以把网页转化为结构化的数据。但是不同网页的结构不尽相同,而且同一网页在更新时网页结构也有可能发生改变。因此,找到一个相对通用的方法来自动或者半自动地产生包装器并对网上信息进行准确抽取是当今信息处理领域中的一个热点问题。由于传统的抽取技术不是基于语义的,提取出来的信息无法被计算机所理解,因而达不到数据处理智能化的目的。语义网是一种能够让计算机理解的新型的Web内容形式,在它的辅助之下,计算机会根据关键名称定义的超链接和逻辑推理规则发现语义数据的含义。在上述背景下,本文对基于本体的信息抽取和知识生成技术进行了深入地探讨和研究,基于模式发现和领域本体,利用后缀数组将包装器学习出来,领域本体自动将抽取出来的原始数据进行映射,并形成知识存贮在RDF文件当中,从而实现了从网页中半结构化的内容中抽取知识。本文同时设计并实现了一个平台独立的基于领域本体的手工标注工具。其主要功能是通过预匹配、本体呈现、实例名推荐等来指导用户对网页进行语义标注,最终生成知识并存放在RDF文件当中。