随着互联网的飞速发展,目前Web上的数据泛滥,在海量的数据中人们无法快速准确地找到需要的数据,如何快速准确地得到这些数据是亟待解决的问题。Web数据抽取技术已成为当今研究的一个热点。利用Web数据抽取技术,通过对特定网站或网页中数据的结构进行分析,设定特定的抽取规则,可以将感兴趣的信息从中抽取出来,并保存到数据库或其他格式文件中,以供SQL或XML查询语言查询,或者供其他应用程序使用。论文从研究Web数据抽取基础开始,建立了Web数据抽取模型。首先采用Java语言设计了一个原型系统,使用基于HTML的方法进行了抽取,由于不涉及HTML文档的层次结构,该系统在抽取结果上不是很符合需求;然后通过分析HTML层次结构,利用基于XML的技术,使用XSLT文件映射的方法,可以产生针对特定网页格式良好的抽取结果,但该方法的通用性不是很好,对网页的结构的要求也比较严格;最后本文提出了一种针对特定内容的Web数据抽取方法,将半自动产生的XSLT中间表示文件与DOM相结合实现对相似内容的XML文件进行映射抽取。该方法在一定程度上满足了通用性,并以针对特定内容(新闻网)为例进行了分析,实验结果表明该方法具有一定的可行性。