随着Internet的迅速发展，以Web形式呈现的电子文本的数据量成几何速度增长。如何高效的组织和管理这些数据，并全面、准确、快速地推送给用户所需要的信息，是目前信息技术研究的一个重要挑战。自动文本分类是组织和处理海量文本信息的重要技术，可以较好的解决Web数据异构杂乱的问题，有利于准确而快速的获取信息。早期的文本分类仅仅是基于纯文本的，随着互联网的逐渐普及以及Web技术的快速发展，越来越多的信息是以Web页面的形式呈现的。如何快速的从分布式的、异构的、半结构化的Web环境中找到有用的信息，并提取知识成为当前数据挖掘和知识管理领域的核心问题。本文讨论了一个基于Web的文本分类系统的实现方法，包括从网络采集网页文本信息到对文本信息进行文本分类两个模块。首先介绍了国内外对于文本自动分类技术的最新研究进展，其次对文本获取和文本分类分别进行了较为深入的探讨，分别提出了文本采集和文本分类的重要步骤的解决方法。针对爬虫给出了页面分析处理和URL去重的实现方法，针对文本抽取提出了基于网页模板的Web文本抽取方法。同时给出了实现文本分类的分词、特征提取、分类方法等关键技术的方法。本文的研究成果是TCViewer（Text Categorization Viewer）系统原型，论文最后进行了两组实验分别对文本采集和文本分类两个子系统进行了测试，验证了系统的有效性。