【摘要】［目的］网页所表达的主要信息通常隐藏在大量无关的结构和内容中，使用户不能迅速获取主题内容，限制了网页资源的可用性，使用信息抽取技术解决了这一问题。［方法］基于文档对象模型（ＤＯＭ）的信息抽取技术能够简单准确地从网页中提取所需内容，但依靠网页本身结构；基于行块分布算法的技术摆脱网页结构的限制，克服限定数据源的缺点，但需要人工干预，文章结合ＤＯＭ技术和行块分布算法以及正则表达式，实现网页信息采集与信息抽取。［结论］能够自动准确提取网页信息。［局限］对英文以及结构复杂的网页抽取效果不是很理想，抽取内容仅限于文字。