随着Internet的不断发展,网上的信息极度膨胀,网络用户越来越难以从信息海洋中快速有效的查找到所需要的信息。为了解决这一难题,要求人们在Internet这样一个动态变化的环境下对信息进行收集、分析、分类、评价以提供有效的信息服务。本文以网页文本信息为研究对象,针对网页信息内容多样、结构复杂的特点,从理论和应用两个角度对网页文本信息的分类方法和自动摘要做了深入研究。运用正向最大和逆向最大分词算法对网页提取的文本信息进行分词,使用K-means聚类算法,Bayers分类算法对信息进行分类,设计并实现了适合于新闻网页信息的自动分类器。详细分析了主题词的结构成分,并对所有超文本标记进行分析,将<TITLE>等九个重要的标记在进行主题词评价的时候被分配更大的权重,设计了主题词权重系数公式,结合句子位置信息计算句子得分、根据句子得分利用LUHN和LSA算法进行摘要提取,最终设计并实现了一套Web自动文本摘要原型系统。经实验表明,改进了主题词评价标准后,利用LUHN、LSA算法所生成的摘要与人工摘要相比可以达到70%以上的精确率和召回率;K-means算法的精确率可以达到72.5%,Bayers算法的精确率和召回率都可以达到90%以上。