随着当今世界互联网的快速发展,Web已经发展成为一个巨大的和共享的信息空间,这些大量的数据可以为进一步的数据集成、数据挖掘等系统提供数据支持,Web数据抽取正是为了研究如何从网页中将用户可能感兴趣的数据抽取出来。本文主要针对列表页和内容页两种形式的网页分别进行了研究。列表页是指包含一个或多个对象列表类型的网页,至今已经有一些关于自动抽取列表页数据的研究,但由于网页的组织形式多变、模板不统一,存在以下问题：列表页数据记录的组织方式具有多样性,从而导致可能会将多条真正的数据记录当作一条数据记录抽取出来；已有的简单树匹配算法算法只考虑节点的标签名,而实际的网页中数据记录的很多字段的标签名是相同的,导致两条数据记录存在多个有着相同最高分的匹配。针对以上问题,本文在挖掘出数据区域之后,对构成数据区域的可能数据记录节点进行进一步地分析,从而识别出真正的数据记录,然后在已有的简单树匹配的基础上加入了对节点所包含内容的考虑,提高了抽取数据字段的准确率。无结构内容页侧重对一个对象的具体描述,本文实现了一种基于分块思想的内容页正文信息抽取算法。在对网页进行分块的阶段,采用基于DOM树结构和页面的视觉信息的算法,将网页进行合理地分块。得到合理的分块结果之后,采用分类学习方法对训练集进行学习,建立块的空间特征到块是否属于正文的映射关系,实现正文块的选取。对于结构型的内容页,通过对两个相似页面的匹配,实现对象的属性值数据的自动抽取。由于结构型内容页的页面四周会包含一些广告等噪音数据,而相似页面之间的广告等数据可能不同,这些会影响页面之间的匹配,误将广告等数据抽取出来。论文对此作了改进,在对两个页面匹配之前,采用论文中实现的无结构内容页正文抽取技术先抽取出正文,接下来再采用匹配算法对抽取得到的正文匹配,进而提高了抽取属性值等数据的准确率。