Web信息提取是指从Web文档中自动提取感兴趣信息的过程。它主要用在元搜索、信息代理等场合。本文首先介绍了信息提取技术及其产生背景和发展历史,分析了信息提取系统体系结构和关键技术。对Web信息提取的途径、主要学习算法、评价标准等进行了相关阐述。对Web信息提取采用一种基于知识领域的过滤作为其预处理。该体系主要分为两部分:一部分是基于专家给出的规则通过规则匹配对大量网页进行估测并选出特定领域的网页。第二部分是对于已经在第一步过滤出的网页进行URL聚类,从而得到用于信息提取的网页。以新闻网站的过滤作为具体实例。提出了一种针对互联网中大量存在的模板网页主题信息进行快速提取的方法。该方法的主要特点为: 1)直接对主题信息进行提取,而不需要通过去除网页噪音的方式来提取主题信息; 2)对同模板产生的大量网页,通过机器学习生成模板后,便可直接提取网页主题信息,而不需要对每一个网页都进行分析处理;3)以新闻网页的提取为例分析该方法的具体使用。提出基于主题的Web信息提取系统模型,主要是指选择性地搜寻那些与预先定义好的主题集相关的页面进行提取的行为。论文中给出了该提取系统的框架模型,分析了系统中各功能模块的实现原理,并对主题信息的提取进行了详细阐述。