网络新闻信息的自动采集对于新闻网页的自动分类、自动摘要、敏感信息监测以及Web挖掘等应用十分重要。本文以半结构化的新闻网页为对象,研究如何从纷繁复杂的网络空间中采集各种新闻网页以及如何抽取其中的新闻正文两个问题,给出新闻信息采集系统的方案并予以实现,主要工作包括:1)基于B/S架构,对新闻信息采集系统进行了总体设计,将系统划分为元搜索引擎和信息抽取两大子系统,并分别对各子系统进行了详细的模块设计。2)给出了元搜索引擎子系统的关键技术实现,其中采用多线程技术实现系统与搜索源的并行交互,采用正则表达式实现搜索结果的解析。在此基础上,设计并实现了搜索结果的去重和排序策略。3)在对新闻网页的标签结构进行深入分析的基础上,提出了最小table块的概念,并通过构建网页的table标签树,将新闻正文抽取问题转换为寻找最小table块问题,进而基于贝叶斯理论提出一种新闻网页的正文文本抽取方法,实现了新闻正文的抽取。实验结果表明,本文设计的新闻信息采集系统方案切实可行,正文抽取算法准确、高效,初步实现了新闻信息采集的自动化。