数字阅读已然成为全民阅读的主流方式之一。海量电子图书的有序整理、存储及提供更为友好的搜索、阅读体验成为一个重大的挑战。元数据是解决该难题的关键。完备的电子图书元数据配套能够使读者快速的找到目标图书,同时又能够通过元数据迅速了解图书基本内容。　　 目前,提取电子文档元数据的主要研究方法都是针对文档本身,包括基于规则的方法、基于统计机器学习的方法等,研究对象大都是局限于拥有大量排版格式信息、语义信息的PDF格式的学术论文、HTML文档等。而针对电子图书的元数据提取却尚未有学者涉猎。电子图书的元数据提取在格式支持、计算复杂度等方面与前者都有极大不同,难度也更大。　　 本文提出一种基于Web挖掘的元数据提取方法。首先,采用基于支持向量机以及文件内容解析的方法从原文档提取尽量多的信息;随后,引入基于部分元数据以及基于书籍内容的两种Web挖掘算法进行网络信息的抓取、分析、整理；最后,将返同的数据与原文档进行相似度的比较、甄别和排序,进而得到最优结果。经实验验证,此方法在针对电子图书的元数据提取方面确实能取得较好的效果。该方法创新之处在于在元数据提取中首次引入Web挖掘的方法,充分利用网络中丰富的元数据资源,解决了电子图书本身元数据信息缺失的问题。