Deep Web是指网络上众多可以在线访问的数据库,其中的数据对传统搜索引擎大部分是不可见的,它们可以通过网站提供的查询接口访问,数据量巨大。但HTML的无结构化、异质性、动态性使得这些数据难以使用与管理。　　 基于DOM树的数据抽取技术通过对网页的清洗与降噪,按照树特征与树内容相似性实现数据抽取工作。但DOM树的大粒度对于复杂网页,比如“列表页面”的抽取在准确度上波动较大。　　 本文根据Deep Web网页模板的特点提出了记录树模型。记录树粒度小、不需要对网页清洗与降噪。与DOM树的树匹配不同,采用是节点匹配实现数据抽取。　　 根据记录树模型设计了一个树过滤器,运用树过滤器实现抽取器程序。数据抽取采用两段式实现:“记录HTML源码”抽取；记录内字段数据的抽取。　　 树过滤器是根据HTML,标签与数据在记录树层次模型中特点,按节点匹配完成“记录HTML”在网页中的过滤及字段在“记录HTML”中的过滤工作。树过滤器采用开源式项目HtmlParser实现,具有通用性好、可靠性高、扩展性好的特点。　　 抽取规则的生成采用有监督的人工学习方式。训练样本包括一个“列表页面”,有用户监督的两条数据记录。利用树滤器等组件实现了抽取规则的自动生成。实验证明,抽取规则获取方法可行,根据抽取规则运行抽取器获取的数据具有较高的准确度。　　 采用两段式的数据抽取方式,便于多线程的应用,在抽取大量数据是有助于效率的提高。基于记录树的抽取器不需要进行网页的清理与降噪,而抽取数据之前进行的网页清理与降噪往往降低了Deep Web数据抽取的效率。