随着科技的发展,计算机的普及率越来越高,上网浏览信息的人越来越多。如今,人们的生活、工作、学习和商务活动都会用到互联网,网页已成为人们获取信息的重要途径。网页中包含着文本,图片,视频等。不同的人他所感兴趣的网页信息不同,那些人们不感兴趣的信息分散在他们感兴趣的信息的周围,分散了他们对自己感兴趣的信息的注意力,给他们阅读网页带来了不便。本文提出了一种基于DOM的网页信息抽取方法,过滤掉人们不感兴趣的网页信息,只保存人们感兴趣的信息。本文的方法不是机械地查找我们感兴趣的信息,而是尽可能的过滤掉不是我们感兴趣的信息。首先使用Eclipse开发工具,利用开源的HTML解析程序NekoHTML将待抽取的网页解析成一棵DOM树。然后设计了一种深度优先的搜索算法去递归地遍历生成的DOM树的每一结点,判断该节点是否包含我们感兴趣的信息。如果被遍历的节点包含我们感兴趣的信息就保存它,如果不包含我们感兴趣的信息就过滤掉它。本文使用java语言编程实现网页信息抽取算法,使用JSP和Servlet开发用户图形界面。本文采用抽取算法,过滤掉用户不感兴趣的网页信息,只保存用户感兴趣的网页信息。用户可以通过图形界面选择自己喜欢的信息,用户选择完他们喜欢的信息后,我们的抽取算法就会根据用户的选择,过滤掉用户不感兴趣的信息,返回给用户他们喜欢的信息。本文首先介绍了网页信息抽取工具研究的目的和意义,接着对11种已有的网页信息抽取技术的优缺点进行了分析,介绍了网页的种类和网页的组成,然后介绍了DOM树和本文所用到的开源的网页解析工具NekoHTML,最后设计网页信息抽取算法,完成网页信息抽取工具的实现。