随着Internet的发展,“信息爆炸”不可避免地产生了。人们急切需要一种从Web上快速、有效地获取知识的技术,Web挖掘伴随着这样一个背景产生了,并且已成为研究热点。与传统的数据挖掘不同,Web挖掘面对的大都是半结构化和非结构化的数据,这给挖掘带来了难题。近年来,XML逐渐成为新一代因特网数据组织和交换的标准,它能够使不同来源的结构化的数据很容易地结合在一起,能有效地解决上述难题。于是,如何从XML数据中挖掘有价值的知识就成为一个具有探索意义和挑战性的研究课题。本文的主要研究工作包括以下几个方面:首先,研究了Web挖掘和XML的基本概念和性质,分析了Web挖掘的复杂性以及XML在Web挖掘中的应用。其次,本文研究了Web挖掘中的HTML-XML转换问题。分析了现有转换算法的不足,设计并实现了一种基于DOM和JTidy技术的HTML-XML转换模型。测试结果表明,转换模型是可行的、高适应性的。最后,本文研究了频繁子树挖掘的基本概念和性质,重点研究了基于模式增长原理的嵌入式子树挖掘算法——Tree Growth(TG)算法,分析了此算法的不足,并提出了一种对此算法的改进。在改进算法的基础上,通过引入分区的思想,提出了一种新算法——PTG(Partition TreeGrowth)算法。理论分析和仿真实验结果表明,新算法能够解决大数据集挖掘时出现的内存问题,且运行高效。