信息技术的发展对全世界来说都产生了极大的影响，是当前高技术发展中的主流技术，因为信息在人类生活中无处不在，无时无刻的不影响着人类的生活，对信息的获得和挖掘成为科学界关注的焦点。在互联网发展的初期，信息量和需求量都比较少，那么用户可以很容易的找到自己想要的信息，不过，随着互联网发展越来越迅速，这个事情变得越来越难了。搜索引擎的产生使在互联网上查找信息又变得相对容易了。但是，在海量的数据和异构的信息中存在这大量的网页噪音，这些噪音严重影响了搜索引擎系统的服务质量，降低了搜索结果的准确度，也增加了服务器处理过程的时间和空间上的开销。首先，本文详细介绍了在网页净化系统实现中所用到的关键技术，主要包括文档对象模型DOM的定义及其特点；网页结构，其中包括网页标签树表示，网页如何用网页标签树表示，如何用DOM树表示；中文网页分块技术，通过结合DOM树以及HTML的一些重要标签对网页进行分块同时，本文来列举了中文网页分块的一些规则，结合对这些技术的了解，有助于对本研究课题功能实现的理解。然后，本论文分析了信息网行业搜索引擎的架构：WebServer&SO，CACHE管理系统，最新库，数据管理系统，及其网页净化系统。分别对每个子系统的功能做了详细的阐述，并详细介绍了各个子系统之间的关系，并对整个搜索过程做了详细的说明：用户从Web端的CGI(通用网关接口)程序输入查询串，CGI程序对它进行合理的分割并把查询串传入搜索系统，把查询到相关词的页面传入网页净化系统，最后把净化后的页面通过Web Server端的CGI程序显示在浏览器中。网页净化系统在整个行业搜索引擎中的作用：通过Web端的CGI程序显示净化后的结果，并对CGI做了介绍。网页净化系统PageClean是本文介绍的重点，也是本论文的核心部分。本文详细阐述了PageClean系统的架构，实现该系统依据的规则，该算法的主要思想及实现算法的流程。最后，论文给出了网页净化系统PageClean测试方法，并根据测试数据得出结论：网页净化系统PageClean无论是在净化速度还是在净化效果上都具有较好的性能，达到了预期的目标。