目前Web已经发展成为一个巨大的、分布和共享的信息资源,但目前Web数据大多以HTML形式出现,其特点使得应用程序无法直接利用Web上的海量信息。针对这一问题,出现了Web信息抽取技术。本文在论述了半结构化Web信息抽取技术总体解决方案的基础上,着重研究了Web信息抽取的实现技术以及ETL脚本语言的实现过程。在Web信息抽取的实现部分,提出了抽取规则执行算法,该算法首先获取抽取规则指定的Web页面,并且利用HTML Tidy将其转换为格式良好的XML文档,然后利用XMLParser将该XML文档转化为DOM树,根据XPath表达式获取感兴趣数据,并将其映射到目的模式,这一过程的执行是根据已定义的映射规则来完成的;研究了ETL脚本语言的实现技术,完成了ETL的核心执行模块,即抽取器和转换器,这两个模块接收ETL脚本,对脚本进行解析、执行,完成脚本定义的抽取转换任务。论文工作实现了Web信息抽取技术和ETL技术的集成,利用ETL的抽取转换功能,使得从Web上抽取的信息更加符合用户需求,为充分利用Web上的海量数据提供了一种有价值的工具。