近年来，伴随着互联网的快速发展产生了海量的信息，Web页面呈现多样性和异构性等特点。此外，目前的Web页面结构比较复杂，在同一个页面上往往包含多个不同的主题，这也给用户的信息抽取带来了一定的麻烦。因此，用户在对Web网页进行信息检索和处理时就会受到很多的限制。Web信息抽取方法研究的目的是将Web上存在的信息转化为结构化的数据，从而为搜索引擎和数据挖掘等应用提供方便。本文通过对网页分块技术和基于本体的Web信息抽取进行分析，得出两者之间的共同点，并在基于本体的Web信息抽取中引入了网页分块技术，从而对算法进行了改进。此外，论文还对基于本体的自适应Web信息抽取平台进行了研究分析，并将该平台应用到了书籍信息的抽取中，通过实验对平台做了进一步的说明。论文的主要工作内容可以概括如下:　　1、针对网页分块技术与基于本体的Web信息抽取之间具有共同之处，在基于本体的Web信息抽取中引入了网页分块技术，对算法进行了改进，并通过与改进前的算法进行了对比实验，验证了改进的算法在准确率和召回率方面都较之前有了较大的提高。　　2、基于HNC理论，对Web信息抽取进行了深入的研究，主要解决了短语境环境下语境框架的抽取。　　3、对基于本体的自适应Web信息抽取平台进行了研究分析并详细介绍了领域资源发现系统和实体命名关系抽取子系统，此外，本文还将该信息抽取平台应用到了书籍信息的抽取中，进一步通过实验对信息抽取平台进行了介绍。