随着计算机和网络技术的快速发展,互联网在人们的日常生活中发挥着越来越重要的作用。信息检索作为互联网应用的重要组成部分,是用户获取信息的主要方法。目前,信息检索一般通过搜索引擎完成。由于技术原因,传统的搜索引擎只能发现静态网页内容,而无法获取Web数据库中的信息。如何能够充分利用Web数据库中丰富的资源,成为一个值得研究的问题。存储在Web数据库中、不能通过超链接访问的资源集合被称为Deep Web。为自动获取Deep Web背后众多Web数据库中的资源,需要建立Deep Web数据集成系统,该系统的查询结果处理模块分为数据抽取和语义标注两部分。数据抽取是指通过技术手段将Web页面上的数据抽取出来,保存为XML文档或关系模式,作为下一步处理的基础。语义标注是指对抽取出的数据增加语义注释,便于计算机识别与处理,从而具有更高的利用价值。本文使用Xpath技术完成Deep Web数据抽取并提出一种基于中文词性和领域知识的语义标注方法。基于Xpath的数据抽取方法首先将Deep Web查询结果页面规范化为XML格式,然后在遍历XML文档的过程中确定待抽取数据路径表达式,最后根据该表达式完成数据抽取并保存为XML格式。语义标注给抽取出的数据增加语义信息。本文所述语义标注方法借助中文分词工具得到抽取结果的词性,并根据词性或词性组合与语义建立映射规则,同时结合领域知识进行语义标注。实验表明,本文所述方法能够对Deep Web查询结果准确抽取并对抽取结果进行语义标注,从而验证了方法的有效性。