WWW是一个开放的全球性资源，它是世界上最丰富和最密集的信息来源。随着WWW上信息的爆炸性增长，在如此海量的数据中发现有用的信息变得越来越困难。数据挖掘就是从大量的数据中发现隐含的规律性的内容，解决数据的应用质量问题。充分利用关键有用的数据，废弃虚伪无用的数据，是数据挖掘技术最重要的应用。因此，采用数据挖掘技术从WWW上提取隐含的、未知的、非平凡的及有潜在应用价值的信息，具有十分重要的现实意义和广泛的应用前景。 数据挖掘和知识发现为解决信息量过大而人们无法有效利用的问题提供了新的解决途径。目前，数据挖掘和知识发现的数据源主要是已有数据库中的文本和数值类数据，如何对分布于网络环境下的文本数据进行挖掘还正在研究。本文首先简单阐述了数据挖掘和知识发现的基本理论内涵；分析了网络信息检索与数据挖掘的特征与特性，特别是Web数据挖掘和基于HTML的文本数据挖掘；进而探讨了基于Web的文本数据挖掘研究与应用的一系列问题，包括定义、挖掘对象的特征与分类、挖掘和发现所需的理论和技术以及实验系统的框架结构和功能模块的分析与设计等，力图为该方向的深入研究提供一些有益的思路。 本文针对Web环境下中文文本信息挖掘的具体问题，侧重研究中文文本信息挖掘的方法与实现技术。讨论了文本分类中的中文词切分、特征提取、特征表示、特征匹配方法，建立了基于决策树的中文文本分类、聚类算法，在Web中文文本信息挖掘模型的设计中，对网页信息的表示、结构特点、网页控制符、HTML控制符号处理进行了详细分析与研究，构建了网页信息提取流程，并给出了Web环境下中文文本信息挖掘模型的一种设计思路并实现了部分功能。