随着万维网的迅猛发展，用户可在线获得的信息量呈指数级增长。面对如此浩瀚的信息，人们迫切需要寻找一条能够快速、准确获得所需信息的途径，因而出现了多种文本处理技术，包括信息检索、文本分类、文本摘要等。文本摘要技术因其既可以压缩文本，减少用户的浏览负担，又可以为其他文本处理技术提供支持，逐渐成为国内外研究的热点。本文研究了以Web文本结构为指导、以机械摘要为基本手段的自动摘要方法，并对其中涉及的文本结构分析、关键词提取、摘要生成等关键技术进行了深入研究；然后对获得的摘要进行聚类处理；最后，给出实验结果并进行深入分析。本文主要的研究工作包括以下几个方面：(1)本文首先概述了Web挖掘的定义和分类，以及Web文本挖掘产生的背景、基本概念和应用方向；同时阐述了自动文本摘要的发展历史、类型、技术和评价方法。自动Web文本摘要是本文重点研究的内容。(2)本文在深入分析Web文本的结构特征的基础上，研究了在Java语言中运用正则表达式实现Web文本解析的关键技术，并给出核心实现过程。(3)本文研究了基于扩展的TF-IDF方法的摘要技术，其主要步骤包括：首先过滤停用词，然后计算词和句子的权重，再将句子按照权重高低排序，排在前面的若干句子按照在原文中的位置顺序输出即为该文章的摘要。经过内部评价，该技术获得的摘要效果较好。(4)本文深入研究了各种聚类方法，并对这些方法的优缺点进行总结和比较。同时给出获得摘要的具体实验过程，最后对摘要采用经典的平面分割聚类算法：K-means算法，进行聚类处理。最后将摘要进行聚类的结果与对Web文本直接聚类的结果进行比较，证明本文研究的摘要技术获得的摘要效果较好。