互联网在我国已成为人们生活中不可或缺的一部分，在互联网上存在着海量的数据，并且每天都在爆炸增长中，这些信息丰富且实时，还可以作为信息检索、数据挖掘等很多方面应用的基础数据，对这些数据进行深入的分析可以获得很多更有价值的深层信息。然而，由于数据十分庞大，并且网页本身不是结构化的数据格式且包含噪音信息，我们需要对网页进行信息抽取，提取网页中的关键信息并转化为结构化数据用于后续的数据分析等工作。目前学者提出的大部分抽取方法都是基于HTML源码或者基于将源码解析后生成的DOM树，使用网页的文本特征或结构特征进行抽取。事实上，网页还有一类非常重要的特征可以用于信息抽取，即为视觉特征，视觉特征蕴含了用户对网页内容的认知，因此利用这些视觉特征进行网页信息抽取能够更好地模拟人对网页内容的识别，进而提高抽取效果，这是仅基于HTML源码或DOM树无法达到的效果，目前已有学者提出了一些的基于视觉特征的抽取算法，但仍然存在一些不足。　　因此，本文首先从实际工程需求出发，提出了基于视觉特征的有监督机器学习的网页抽取框架WELVF，并在论坛网站和新闻评论网站中通过实验，证明其具有良好的抽取效果。　　然后，针对视觉特征提取效率低的问题，我们提出了基于WEMLVF的通过XPath和通过包装器归纳的自动生成抽取模板的方法，该方法生成的抽取模板不包含视觉特征，使得在抽取的过程中我们无需提取视觉特征，大大提升了抽取的效率。通过实验，证明其具有良好的抽取效果和抽取效率。　　最后，我们开发了元搜索采集系统，该系统已经在多个项目中得到很好的应用。并且基于上述研究成果，我们对元搜索采集系统中的原始页面抽取模块进行了改进，通过实验表明其能够更好地满足实际工程需求，具有很好的实用价值。