随着互联网的快速发展，Web已成为人们获取信息的重要来源。为了满足人们不断增长的从互联网上获取信息的需求，Web信息抽取技术不可避免地成为当今研究的技术热点。由于互联网上的Web页面往往具有多样性、不规范性、包含信息复杂以及半结构化等特性，这些特性为Web信息抽取技术带来了很大的困难。如何使Web信息抽取技术不受Web页面特性影响而具有通用性，并能精确地抽取页面信息成为Web信息抽取技术亟待解决的问题。　　 在对复杂的Web页面进行信息抽取的过程中，Web页面分块技术成为目前研究的一个方向。然而，目前的Web页面分块算法多数利用单一特征信息对Web页面进行分块，不能很好地应对复杂多变的Web页面类型。针对这种情况，本文提出了基于多特征的Web页面分块算法，该算法先将Web页面分成若干个相互独立的语义块，再根据应用的需要，从中选取具有相应语义特征的语义块进行信息抽取。本文首先分析了Web页面中的布局特征、显示特征、语义特征和文档结构特征等多特征信息，建立了基于多特征的Web页面语义块模型。在此基础上，本文提出了基于多特征的Web页面分块算法MFPS，并阐述了MFPS分块算法的基本思想和执行过程。然后，本文重点阐述了MFPS分块算法的实现，其中分析并解决了相似块识别的问题，阐述了包括单行类型、多行类型、多块类型、行块交替类型等类型的结点序列的合并方法，给出了包括语义类型、分割类型、多特征信息的识别方法，给出了MFPS分块算法的形式化描述，并对MFPS分块算法的性能做了分析。最后，本文提出了以MFPS分块算法为基础的基于块的重要度的页面类型识别算法PTIBID，该方法通过分析MFPS分块算法得到的语义块结构及多特征信息，能够有效地识别页面类型并抽取出其中的信息属性，以满足实际Web信息抽取的需要。实验结果表明，与现有的分块算法相比，MFPS分块算法具有分块精度较高、分块结构较为合理、适应能力较强等特点，可以为Web信息抽取技术提供有效的支持。