随着信息技术的迅猛发展，网络成为人们获取信息的主要手段。为了帮助人们在浩如烟海的互联网中得到有用的信息，基于 Internet的各类信息检索服务应运而生并得到了迅速发展。目前，人们在互联网上搜索信息主要是通过Google、百度等通用搜索引擎，这类搜索引擎的功能已十分强大，在一般情况下可以满足用户的需求。然而，当用户只想查询具体某专业、某行业或某种主题的相关信息时，这类搜索引擎就会显得有些力不从心，垂直搜索引擎的出现就是为了解决这类问题。因为它服务于特定领域，注重于专业化与结构化 Web信息的整合，定向分字段抽取出需要的数据进行处理后再以某种形式返回给用户。　　本文针对垂直搜索研究热点，主要研究内容有以下四个方面：　　（1）结合国内外研究现状、关键技术及存在问题，针对垂直搜索进行了理论性的分析，介绍了垂直搜索概念、优势、关键技术及其发展方向。　　（2）主题爬虫必须解决的三个主要问题：一是对各异构Web数据源的抓取目标的描述或定义；二是对网页或数据的分析与过滤；三是对URL的搜索策略。针对以上三个问题，本文提出了基于Heritrix开源爬虫的聚焦网络爬虫设计。通过抓取过程策略与算法分析、抓取过程数据流图设计及扩展与定制Heritrix完成了特定网页的抓取。　　（3）“结构化”是垂直搜索的特征之一，即垂直搜索要利用信息抽取技术把网页打碎，从中提取出精细化、条目化的信息，存放到数据库中。为了完成网页结构化数据抽取，本文结合现在的网页结构化信息抽取技术，提出了Web实体提取方法。并在文中阐述了Web实体提取的定义、原理、方法及实现。并通过实验验证了该方法的可行性，满足了垂直搜索对网页结构化数据抽取的需求。　　（4）在现有的研究基础上，设计了一个实际的新书信息垂直搜索系统。该系统根据垂直搜索的架构和运行原理而设计，容纳了垂直搜索引擎的关键技术，满足了实际的应用需求。并且具备良好的可扩展性和可修改性，有较好的实际应用价值。　　本文的贡献主要在于合理地整合运用了开源项目，提出了Web实体提取方法，采用目前流行的B/S开发架构与技术，给出了一个实用的面向垂直搜索的解决方案。该方案具有一定的扩展性及参考性。