Web文档往往用各种复杂的HTML标记来包装内部数据，但这种方式给应用系统直接使用Web文档中的数据带来了困难。Web信息抽取是处理海量数据且需要各种复杂算法支持的一种技术，因此它在一般平台上的工作效率不是很好。网格能为复杂应用提供分布式并行环境，它面向服务的开放式结构能提高应用的灵活性和代码重用率。因此，结合网格技术来开发一个自动的Web信息抽取应用有着非常重要的意义。 本文首先介绍了Web信息抽取的有关技术，分析了自动抽取系统RoadRunner的算法和优缺点；接着，介绍了网格的相关知识，重点研究网格应用的特性。在这之后，本文重点解决两个问题：如何自动抽取Web信息和如何在网格中实现。在第一阶段，本文通过有效的启发规则解决自动获取一批相似页面的问题，提出并实现了二级页面噪声处理的方案和算法，完成了自动归纳抽取规则的算法，并最终实现了一个完整的面向数据密集型页面的Web信息抽取系统。在第二阶段，本文首先分析了Web抽取应用的可并行化部分，给出了相应的网格应用模型和编程模式，安装和配置了网格平台，开发和部署了一组相应的服务，并最终结合Java多线程技术解决了抽取应用的并行化问题。 本课题主要有两方面的意义：从Web信息抽取方面来看，能提高抽取系统的自动化程度和数据抽取精度；从网格应用方面来看，通过Java线程和网格服务相结合的方式能有效改善传统应用的运行效率，并为网格应用开发提供了一种新的实现思路。