建设主题网关，是综合风险防范研究的重要组成部分，其中对信息采集技术的研究尤为重要。本文针对主题网关的不同信息来源，采取定向Extractor、深度Extractor两种方式进行信息采集；建立风险知识库，处理采集到的信息，工作主要分为以下三部分：1)针对普通网页信息，采用定向Extractor：定义模板，定向抓取种子站点列表页；采用DOM和启发式规则，实现列表块的定位；提出基于标签距离的列表聚类包装方法，改善聚类效果，实现列表的聚类包装，得到结构化信息项；提出容器距离，改进基于Finn的正文抽取方法，实现信息的正文抽取，完成信息纪录集的抽取。2)针对深度网络中的信息，采用深度Extractor：●表单理解：搜索表单是访问深度网络的唯一接口，首先构造基于逻辑属性的表单逻辑模型；提出表单表达式，基于表单布局识别逻辑属性标签，分析表单元素间语义，构造启发式规则，实现表单逻辑属性的抽取。●表单的提交：以表单逻辑模型为基础，改进提交策略，提出随机排除型提交策略，实现表单的自动提交。●响应页处理：构造启发式规则，抽取响应页对应记录集。3)根据元数据，建立风险数据模型，统一抓取到的数据；建立风险知识库，实现对风险记录的分类，加工及处理。