近几十年来,互联网的迅猛发展改变了人们获取信息的方式,从原始的纸质书本转移到了网络上。怎样能在互联网这个巨大的信息宝库中发现有价值的信息并为人们所用,至关重要。Web信息抽取技术就是在这样一种情况下,产生、发展并发挥作用。其主要的目标是在web这种半结构化的信息池中,精准的获取有研究价值的信息。本文主要研究如何准确高效地从大量的web网页中,获取有价值的信息并规则化存储。具体工作如下：1、利用正则表达式对文本的处理,构建了一个基于正则表达式的增量式统一信息抽取系统。该系统可以对论坛,博客,新闻网站进行增量式爬取。应用统一的架构对大量的网站进行信息的采集和信息的抽取。在采集之前把相应的正则表达式存储在模板表中,每增加一个新的网站,只需要在种子和模板添加或修改信息即可。从而简化web信息抽取系统的构建,大幅度降低抽取系统的开发成本,增加该系统的可拓展性,减少后期维护的工作量。2、本文把基于正则表达式的信息抽取技术进一步应用到了实际系统中——图书馆信息采集系统。通过对国内各大高校图书馆馆藏资源检索系统的分析和研究,把这些系统分成四类,分别制定抽取策略。该系统成功采集抽取数据一千七百多万条,并规则化存储在数据库中。3、提出一种基于网页分块的BBS信息抽取技术,该算法不但保证了准确率且具有一定的普适性,减少人工的参与和开发的成本。首先,本文提出基于信息论的网页分块方法,进行噪音信息的去除。其次,根据BBS的评论信息具有一定的相似性的特点,本文在网页分块的基础上提出基于深度加权的DOM树相似度算法来抽取评论信息,在减少人工参与和开发难度的同时保证了正确率。本文提出的两种信息抽取算法可以快速精准地提取网页中的信息,在舆情分析和搜索引擎的信息抽取方面有很好的应用前景和参考价值。