表格结构作为一种简洁有效的数据信息表达方式,在各种领域的Web页中都得到了广泛的应用。但因其形式及功能的多样性,给基于表格结构的Web信息提取带来了巨大的挑战,主要体现在基于表格结构的Web信息的理解、定位及提取上。本文从标记和视觉特征的角度出发,将基于表格结构的Web信息划分为列表和表格,然后针对不同结构分别研究出一种具有领域独立性的信息提取方法。首先,针对具有各种不同标记的列表信息定位困难与单条列表信息提取繁琐问题,提出了基于HTML结构树的一体化解决方案。该方案集列表信息的定位与提取于一个统一的算法中,易于实现。其次,提出了一种基于特征向量机器学习算法的Web表格识别方法,重点研究了表格特征的构建。针对各种数据对特征的表征能力不同及特征向量维数过高等问题,提出了利用统计计算的方法仅从布局和内容结构方面构建表格的特征。最后,针对传统的二维条件随机场模型难以处理标注元素间复杂依赖关系的问题,结合表格的结构特征,提出一种融合多阶的二维条件随机场模型,并给出了适合该模型的计算公式及训练算法。将该模型应用于Web表格信息的提取中,实现对表格单元格粒度的标注。