随着近些年互联网的飞速发展，Internet已经发展成为一个庞大的发布和共享信息资源的平台。但是如何从海量、无结构或半结构化的数据中快速、高效地获取用户所需的信息仍然是亟待解决的热点问题，因此WEB信息提取技术应运而生。目前学者们已经进行了大量的研究工作，但现有的技术仍然存在诸多不足之处:提取方法过于专业，不仅增加了用户语义理解的负担，而且不便于用户使用;在提取过程中难以及时获取用户的反馈，影响提取效果;提取内容越复杂，提取规则的健壮性越差。　　基于此，本文在对XML及相关标准和现有基于XML提取方法深入研究的基础上，提出了一种基于XML用户自定义需求的WEB信息提取方法。研究工作包括为以下几方面内容:　　(1)对待提取页面进行处理。HTML页面经过预处理过滤掉无关信息和代码，转换为格式规范的XML文档，为使用户清晰掌握页面结构，将XML文档解析生成可视化的DOM树形式，在节点转换的过程中，标记每个节点类型，并计算其路径表达式，为样本映射和生成提取规则做准备。　　(2)实现用户的提取需求的获取。研究通过定义目标描述待提取数据节点间的层次关系，并且以此作为提取信息输出时的样式结构。用户标记的样本则作为提取规则的生成依据，样本按照映射规则以结构映射或内容映射的方式向目标结构映射，从而得到待提取数据的节点类型信息和位置信息。　　(3)实现提取规则的构造。提取规则由一个或多个匹配目标结构每层节点的模板构成。模板根据目标结构根节点是否存在结构映射分别进行构造。根节点存在结构映射，利用样本结构映射的class属性匹配全文同类别节点，并利用相对路径覆盖父子关系和祖先后代关系，递归生成每层节点模板。根节点不存在结构映射，通过其子节点获取公共路径作为模板匹配的起点，由于该起点位置是唯一的，因此提取仅为样本数据。　　最后通过对比实验，验证了本文提取方法的有效性，证明了该方法提取效果优于现有的两种方法。当提取内容结构复杂时，提取规则具有较好的健壮性。同时实现了该方法的原型系统，通过系统演示表明，用户不仅能够直观的观测到信息提取的整个过程，而且可以及时确定提取结果是否准确并能够方便地进行修改。