随着Internet的迅速发展，互联网产生了海量的Web信息。尽管通过Web页面可以查询几乎所有领域的知识信息，但是由于由HTML构成的Web数据是一种半结构化的数据，使得该类型页面只能方便于人们的浏览，而一些应用程序却无法直接解析并且利用这些资源。因此，为了增强Web数据的可利用性，Web信息抽取技术成为倍受关注的数据库研究领域之一。　　Web信息抽取系统，主要是将由HTML文档构成的半结构化Web数据，转换成严谨的结构化数据，从而为应用程序提供数据源。本文采用的基于XML的Web信息抽取技术，利用的正是数据交换的公共语言XML作为抽取工具。　　本文首先对Web信息抽取的基本概念做了简要的介绍，给出了信息抽取的定义，并与日常提到的信息检索进行对比分析；详细介绍了当前Web信息抽取技术所采用的方法，对这些方法进行了分类比较；并对未来Web信息抽取技术可能的发展方向进行了展望。　　其次，本文给出了基于XML的Web信息抽取流程，把采用的XML，XSL转换与XPath定位等技术与各流程的具体实现相结合，重点给出了页面的清理规则和一种基于二叉树结构的转换算法。　　最后，为了满足不同Web页面下的信息抽取，本文提出了一种可伸缩性的Web页面信息抽取的实现方法。设计了由人工编写XSLT转换文档的手动信息抽取和基于分块树模型的全自动信息抽取的解决方案。通过理论分析和实验证明，上述方法能够有效地实现Web信息抽取。